Как стать автором
Обновить
Сначала показывать

Как мы сделали бота для колл-центра банка, но что-то пошло не так

Блог компании Ak Bars Digital Разработка веб-сайтов *Разработка мобильных приложений *Машинное обучение *Искусственный интеллект

Однажды в Ак Барс Банке был разработан сервис подсказок оператору контакт-центра Neurobot. Он брал входящие запросы от пользователей и искал в базе максимально подходящие ответы. Ещё Neurobot предоставлял возможность операторам контакт-центра самим заводить сценарии для бота. Боты срабатывали по триггеру – вхождению ключевых слов из заранее заданного списка с учетом препроцессинга.

Однако со временем стало понятно, что операторы подсказками пользуются нечасто, а мини-боты на ключевых словах могут покрыть лишь малое число тем. Бот фактически выполнял функцию информирования клиентов по нескольким популярным темам. Но в нём не было полноценного флоу общения с пользователями, автозавершения диалогов и отчётности. 

Кроме того, система представляла собой монолит, написанный на джанго, и её было сложно поддерживать, поэтому возникла потребность полностью переделать эту систему. 

И мы переделали.

Что было дальше
Всего голосов 5: ↑4 и ↓1 +3
Просмотры 2.3K
Комментарии 2

Новости

Как научиться слушать всех и не превратиться в будку гласности

Блог компании Ak Bars Digital Управление разработкой *Управление проектами *Управление продуктом *

Меня зовут Александр Глухов, я в финтехе с 2013 года. Сейчас работаю в Ак Барс Банке и оптимизирую процессы в мидл-офисе и бэк-офисе. Мы делаем разные продукты для банка, один из них — универсальное рабочее место сотрудника. Это внутренний сервис для сотрудников банка, которые рассматривают кредитные заявки и после всех проверок решают, давать кредит или нет.

Мой рассказ — о работе с бэклогом и внутренними заказчиками. Он основан на наших разработках для мидл- и бэк-офиса, но выводы применимы и в других областях, даже не связанных с банками и финтехом.

Эта статья — расшифровка доклада с митапа Three Amigos Talk.

Читать далее
Всего голосов 7: ↑6 и ↓1 +5
Просмотры 1.4K
Комментарии 0

Изолируем микросервисы с помощью Feature toggles в ASP.NET Core. Практика

Блог компании Ak Bars Digital Программирование *.NET *C# *Микросервисы *
Tutorial

Снова привет, Хабр! 

В первой части статьи мы разбирали, что такое изоляция микросервисов, как в этом помогают переключатели функциональности, и как создать простое ASP.NET приложение в с поддержкой feature toggles, которое будет показывать прогноз погоды. В этой части закончим работу над ним — напишем заглушку, сделаем экспериментальную конечную точку, функциональность которой можно включать или выключать, не останавливая работу приложения, и разберёмся с экстренными ситуациями, которые могут возникнуть при разработке приложения.

Дисклеймер: в статье много тяжёлых иллюстраций, берегите мобильный интернет.

Читать далее
Всего голосов 8: ↑8 и ↓0 +8
Просмотры 5.3K
Комментарии 1

Изолируем микросервисы с помощью Feature toggles в ASP.NET Core. Теория и подготовка

Блог компании Ak Bars Digital Программирование *.NET *C# *Микросервисы *
Tutorial

Привет, Хабр! Если вы работаете с микросервисами, то знаете, что они имеют свойство образовывать некоторую связанность. Хорошо, когда связи между микросервисами однонаправленные, но всё становится сложнее, если возникают циклические зависимости.

Такие зависимости приводят к сложностям развертывания, которые можно преодолеть по-разному — например, используя docker compose. Но на локальном компьютере обычно не возникает необходимости поднятия всей инфраструктуры, потому что разработчика для выполнения задачи обычно интересует какая-нибудь конкретная её часть. В этом случае пригодятся средства изоляции микросервисов.

Меня зовут ​​Сергей Прохоров, я техлид бэкенд-разработки в Ak Bars Digital, и давайте вместе рассмотрим, как реализовать такую изоляцию на примере микросервиса веб-API ASP.NET Core. Метод изоляции основан на использовании feature toggles, или переключателей функциональности, о которых и пойдёт речь в двух частях статьи.

Читать далее
Всего голосов 11: ↑9 и ↓2 +7
Просмотры 8.1K
Комментарии 5

Устраняем мультиколлинеарность признаков в ML при помощи графов

Блог компании Ak Bars Digital Python *Машинное обучение *

Залогом успешного применения ML к конкретной бизнес-задаче является не только правильно подобранная модель, но и признаки, на которых модель обучается. Давайте на примере задачи поведенческого банковского скоринга разберёмся в том, почему важно уделять внимание мультиколлинеарности признаков в линейных моделях и научимся от неё избавляться.

Признаки — это набор данных, который описывает изучаемое в задаче явление. Не все признаки могут быть полезны, поэтому их отбор является важным этапом моделирования. Есть много причин, по которым включение тех или иных признаков в модель может привести к неудовлетворительным результатам. Одна из них — мультиколлинеарность

Мультиколлинеарность — явление, при котором наблюдается сильная корреляция между признаками. Чтобы оценить степень корреляции между парой количественных признаков, вычисляют, например, коэффициент корреляции Пирсона — меру линейной связи между ними. Если абсолютное значение коэффициента превышает некоторый порог, то можно говорить о наличии сильной корреляции между признаками. На практике пороговое значение зависит от задачи и находится в диапазоне от 0.6 до 1.0. 

Например, у нас есть два признака: зарплата в рублях и зарплата в долларах. Очевидно, что два этих признака зависимы и между ними существует линейная связь. Коэффициент корреляции Пирсона для них будет равен 1, поэтому включение этой пары в множество признаков для моделирования приведет к мультиколлинеарности. 

Читать далее
Всего голосов 14: ↑14 и ↓0 +14
Просмотры 5.1K
Комментарии 4

Информация

Дата основания
Местоположение
Россия
Сайт
akbars.digital
Численность
501–1 000 человек
Дата регистрации
Представитель
Диана Ахметшина