Как оптимизировать график работы сотрудников банка с помощью математической модели? 📈

Спешим поделиться с вами статьёй Владимира Курситыса из Альфа-Банка. Мы узнали у него, какие задачи выполняли специалисты для создания модели, с какими трудностями они столкнулись и как их решили. Обо всём этом мы расскажем вам в карточках ⬆️

Из самой статьи вы узнаете:

🔍 Зачем понадобилась модель, которая прогнозирует количество посетителей и сама составляет расписание работы сотрудникам

🔍 Как работает модель

🔍 Каков эффект работы модели

Читайте статью целиком на VC по ссылке

#aaa_news #aaa_alfa

Боты есть везде и нужны всем — особенно пользователям банков 🤖

Как показало исследование VK Мессенджера (онлайн-опрос более 1200 жителей крупных городов России), о чат-ботах сегодня знают 90% россиян, из которых 81% активно их используют. Чаще всего с ними сталкиваются в приложениях банков или в мессенджерах.

В карточках расскажем о главных результатах этого исследования. А по ссылке вы сможете узнать о его основных выводах из оригинального источника.

#aaa_news #deep_dive_into_deep_tech

Новое пополнение в коллекцию мемов от ААА 💥

Под конец недели решили немного вас порадовать и подготовили новую подборку мемов.

Сохраняйте для себя и делитесь ими с друзьями, а в комментариях под этим постом кидайте свои любимые мемы 👇

#aaa_fun

Feature Store или как обеспечить быструю доставку данных по запросу 🛒

В работе с данными для обучения моделей (в частности, нейросетей) много рутины: под каждую ML-модель нужно создать свой набор данных (датасет), убрать лишние признаки (фичи) и протестировать точность предсказаний. Иногда при изменении датасета нужно собирать данные по новой. Это неудобно и требует много времени.

Чтобы оптимизировать работу с данными, мы решили разработать Feature Store.

Подробнее о том, что такое "супермаркет" данных, о том, как работает Feature Store и кому он в первую очередь нужен вы узнаете в наших карточках