1、基于 Greenplum 的人工智能快速應(yīng)用平臺方案目錄01平臺介紹場景案例0203FAQ人工智能快速應(yīng)用平臺 VAG對人工智能快速應(yīng)用平臺的直觀認識簡單建模案例用到PageRank排名算法實現(xiàn)個性化排序，“托拉拽”一 氣呵成，數(shù)據(jù)源定義、特征化、模型調(diào)試和最終數(shù)據(jù)輸出，全程只用了30分鐘3人工智能應(yīng)用平臺的核心組件計算服務(wù)層SklearnXGBoostAI 基礎(chǔ)服務(wù)支撐文本語義分析iPython大數(shù)據(jù)集成環(huán)境語音影像分析KettleSparkTensorflowKerasRStudio機器學(xué)習(xí)/深度學(xué)習(xí)建模分析環(huán)境TomcatDEP數(shù)據(jù)資源層Greenplum 相關(guān)的組件集合Greenplu

2、mPXFImpalaSqoopHDFSHBaseHadoop 相關(guān)的組件集合GPTextMADlibMySQLSQL Server OracleRDS云計算GPU作業(yè)調(diào)度AI 可視化建模平臺示范應(yīng)用財務(wù)分析經(jīng)營分析其他.支撐支撐BI 可視化平臺智能風控分析模型客戶畫像與精準營銷反洗錢&反欺詐模型4人工智能應(yīng)用平臺的核心特性人工智能快速開發(fā)應(yīng)用算法MADlib、Python數(shù)據(jù)科學(xué)包案例/模板Case Library智能化場景模板算力Greenplum大數(shù)據(jù)中心集 群工具Visual AI可視化分析與建 模無縫 集成無縫 集成持續(xù) 擴充數(shù)據(jù) 治理可配 置性簡單 易用托拉 拽連數(shù)據(jù) 接入GPU加速

3、自主 擴展算法 下沉預(yù)測 場景時空 分析關(guān)聯(lián) 推理BI可 集成57數(shù)據(jù)科學(xué)建模（人工智能快速應(yīng)用）的常用工具（方法）MADlib使用類似SQL的方式執(zhí)行數(shù)據(jù)科學(xué)任務(wù)C+核心，Python驅(qū)動面向數(shù)據(jù)工程師、DBA工程師MathWorks源自AT&T貝爾實驗室的S語言MADlib 核心驅(qū)動7底層UDF（自定義函數(shù)）擴展應(yīng)用代碼量極簡舉例：K-Means客戶聚類分群8MADlib使用K-Means算法python使用K-Means算 法DataSciencePackage 數(shù)據(jù)科學(xué)生態(tài)組件文本挖掘9深度學(xué)習(xí)自然語言數(shù)學(xué)計算機器學(xué)習(xí)科學(xué)計算深度學(xué)習(xí)集成學(xué)習(xí)集成了大量科學(xué)計算與AI框架大規(guī)模的、并行的

4、、庫內(nèi)計算與GPU加速支持10目錄01平臺介紹場景案例0203FAQ人工智能快速應(yīng)用平臺 VAG供應(yīng)鏈金融中的智能風控體系場景已協(xié)助該公司規(guī)劃建設(shè)了互聯(lián)網(wǎng)大數(shù)據(jù)分析平臺，目前，正借助基于Greenplum的群賢平臺，打造智能風控分析系統(tǒng)項目。供應(yīng)鏈金融中的智能風控體系場景商品估值分析融資企業(yè)信用風險評價分析貸后跟蹤與風險預(yù)警分析群賢平臺Visual AI on Greenplum某供應(yīng)鏈金融公司世界五百強企業(yè)的金融子公司智能感知與文字識別場景在客戶服務(wù)數(shù)據(jù)的處理方面，需要對文本、語音、圖像 中的信息進行必要的抽取、轉(zhuǎn)化、分析。智能感知與文字識別場景文字信息的識別抽取知識庫構(gòu)建異常信息識別分析G

5、PText文字識別語音識別圖像識別文本分析數(shù)據(jù)建模某大型資管公司知名公募資產(chǎn)管理公司群賢平臺Visual AI on Greenplum案例一及成效智能公告/公文解讀1、運營方向：監(jiān)管層、登記公司、交易所、往來業(yè)務(wù)銀行/信托/資管；用于各類信息的 解讀和業(yè)務(wù)類程序的自動化參數(shù)、流程、接口維護。2、合規(guī)風控方向：投行、資管、自營等部門的工作過程文件、內(nèi)外聯(lián)絡(luò)留痕信息（含語音和 傳真）、合同協(xié)議等文檔的預(yù)判和警示。 3、投研和投資方向：市場公開公告的自動解讀和計算、信息摘錄、簡要報告生成。運營等中后臺部門合計節(jié)省約23名專屬崗位；投研、 合規(guī)風控、投資部門預(yù)計將節(jié)省45名初中級崗位。 全面實施后，

6、未來每年節(jié)省綜合運營成本300萬元左右！某大型基金公司的 公告和往來公文（電子文檔、網(wǎng)頁和郵件）智能化解讀基于標注的機器學(xué)習(xí)模型（半監(jiān)督學(xué)習(xí)）文字識別自然語義識別16案例二轉(zhuǎn)人工或留言常見問題推薦備選答案推薦自動編號語音識別基于機器學(xué)習(xí)的問答庫自動構(gòu)建：文本聚類建模增加序號列停用詞過濾分詞及詞頻統(tǒng)計文本主題挖掘結(jié)果分析和評估12345智能客服機器人案例成效智能客服機器人20%80%服務(wù)接通率70%90%服務(wù)滿意度（未增加人工話務(wù)員）200萬元+每年節(jié)省投資【該基金公司成效顯著】風險預(yù)測預(yù)警場景借助基于Greenplum的群賢平臺，對已接入的多源數(shù)據(jù)（包括監(jiān) 控視頻、人臉卡口、車輛卡口、WiFi嗅探、電動車RFID等）進行 數(shù)據(jù)挖掘與可視化分析，實現(xiàn)多維度的智慧公安智能化場景應(yīng)用。風險預(yù)測預(yù)警場景趨勢預(yù)測行為動態(tài)監(jiān)測聯(lián)動可視化BI分析GPText多數(shù)據(jù)源接入50+算法可視化建模可視化分析智慧公安推動公安領(lǐng)域數(shù)字化轉(zhuǎn)型GP基于GP高性能群賢平臺Visual AI on Greenplum風險預(yù)測預(yù)警場景 舉例-基于電動車RFID數(shù)據(jù)的行為預(yù)測數(shù) 據(jù) 建 模數(shù) 據(jù) 可 視 化24點數(shù)據(jù)實際值：32，預(yù)測值：34準確率：92%8000萬+日志數(shù)據(jù)1、對全市6萬多輛