当前位置:首页 > 报告详情

赞助方:Dataiku 敏捷与治理的碰撞:摩根士丹利如何在受监管的世界中扩展机器学习.pdf

上传人: Fl****zo 编号:719043 2025-06-22 21页 1.58MB

word格式文档无特别注明外均可编辑修改,预览文件经过压缩,下载原文更清晰!
三个皮匠报告文库所有资源均是客户上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作商用。
本文介绍了Morgan Stanley如何在受监管的环境中规模化机器学习(ML)。关键点如下: 1. **演讲者背景**:Raja Lanka,Morgan Stanley财富管理的数据和AI/ML实践负责人,致力于通过Azure、Databricks和Dataiku推动数据与AI/ML的创新。 2. **Morgan Stanley的业务**:提供投资银行、证券、财富管理和投资管理服务,遍布42个国家。 3. **面临的挑战**:创新速度与合规负担之间的平衡,以及如何解决相关问题,如网络安全、人才管理、预算限制等。 4. **解决方案**:采用Dataiku和Databricks的平台协同,降低技术栈复杂性,同时保持治理和合规性。 5. **平台架构**:Dataiku提供业务和数据团队接口,Databricks处理Spark作业和ML模型训练,Unity Catalog确保治理。 6. **成效**:显著减少洞察时间(减少50%),提高业务、数据科学和风险团队之间的协作,实现了敏捷性与治理的平衡。 7. **案例**:监管压力下的风险模型、实时KPIdashboards、自动审计的模型,均显示出合规性增强和运营效率提升。 8. **文化转变**:从合规警察到赋能者,促进了跨职能协作。 9. **对受监管企业的重要性**:提供可扩展、安全的创新模型,结合民主化和控制。 10. **下一步**:识别现有数据/ML工作流中的孤岛,探索集成平台,与业务和技术利益相关者试点治理ML用例。 文章强调了在受监管环境中实现ML规模化的可行性和实践路径。
"如何在合规世界扩展ML?" "Dataiku与Databricks如何联手创新?" "如何实现高效合规的ML审计?"
客服
商务合作
小程序
服务号
折叠