有些银行已启动大模型在智能风控领域的探索,大模型将为中银智能风控的升级提供有效手段。目前有3种较为可行的应用场景: 一是风险报告生成。大模型技术结合RPA,通过嵌入外部信息模块,学习客户历史数据及文本数据,分析财务
现阶段的模型解释方法可分为两大类:一类为全局特征重要性度量,即模型全局解释;一类为局部特征贡献值度量,即模型局部解释。 个人觉得基于机器学习和深度学习的预测模型可与知识图谱技术相结合,充分发挥模型预测结果的精准
由于实时数仓的数据是无边界的流,相比于离线数仓固定不变的数据更难验收。基于不同的场景,还有的做法提供了 2 种验证方式,分别是:抽样验证与全量验证。1)抽样验证方案:该方案主要应用在数据准确性验证上,实时汇总结果是基于
个人认为优化主要还是从以下几个方面展开优化适配:1)进程管理调优2)内存资源调优3)IO调度调优4)文件系统调优5)网络传输调优比如进程管理,采用物理cpu和VCPU绑定;提高缓存命中;减少切换成本。NUMA亲和性;减少跨Node通讯,内存调优
前不久有些金融机构通过对于在分布式关系数据库技术领域深入的研究和对于主要技术架构的分析,梳理出了数据库在分布式关系数据库领域的主要技术架构流派和各自特点。第一代单机关系数据库,使用主备机形式实现高可用,无法
官方文档的完善程度社区的活跃度都是选型最重要的维度,对 分布式数据库相关技术原理和实现模式了解越深,可以促进使用者较快掌握了相关技术。建立对国产数据库有了更强的信心,特别是国产数据库原厂的技术支持和保障体系,
个人实践过程操作系统层面的调优根据应用场景测试验证,操作系统方面调优相对多的方法是:1) 文件句柄参数调优,比如调大内核参数fs.file-max ,要是文件句柄参数配置不足,会导致too many open files in system异常。 合理操作
我们服务过几个金融大客户,数据库一般是OB和TDSQL,TDSQL在mysql做了功能类、性能类、安全类、稳定类改进,功能类比如自动kill掉空闲事务,并行复制、动态线程池、支持returing、大字段压缩。性能类的改进,比如大事务复制,计
我接触过的信创,主要是金融领域这块,目前采用鲲鹏arm/海光X86+麒麟操作系统+k8s比较多,为了验证性能、稳定性、安全性、兼容性、可扩展性。从目前非功能测试,除了arm指令麒麟操作系统组合下会存在一些兼容性问题。其他非
我们目前的信创环境 k8s集群包括海光x86/鲲鹏arm+麒麟+k8s ,混合架构一云多芯的, 不同指令架构下;系统的可靠性和性能、稳定性 兼容性,我们进行非功能测试和混沌实验来尽可能发现潜在的隐患。
关于TWT使用指南社区专家合作厂商入驻社区企业招聘投诉建议版权与免责声明联系我们 © 2024 talkwithtrend — talk with trend,talk with technologist京ICP备09031017号-30