transactions2vec: od wyrażeń regularnych do rekurencyjnych sieci neuronowych

Im lepiej zrozumiemy wzorce występujące w transakcjach naszych klientów, tym lepiej ocenimy ich ryzyko kredytowe dostarczając produkt dostosowany do ich potrzeb i możliwości.

Opowiem o tym, w jaki sposób kategoryzowaliśmy różnego typu transakcje tworząc z nich cechy wykorzystywane przez modele ryzyka kredytowego dedykowane klientom z segmentu SME. Rozpoczynając od rozwiązania korzystającego z (za bardzo) skomplikowanych wyrażeń regularnych przejdziemy do metod reprezentowania słów w przestrzeni wektorowej (np. Word2vec, fastText) i metod tłumaczenia modeli uczenia maszynowego (XAI) w obszarze przetwarzania języka naturalnego. Skończymy na wykorzystaniu modeli, których podstawowym budulcem są rekurencyjne sieci neuronowe.

Chcemy pokazać, że modele nie muszą przewyższać inteligencją człowieka, aby uwolnić go od konieczności wykonywania niektórych zadań i że interpretowalność modeli uczenia maszynowego (XAI) jest dla nas game changerem.