张天翼 |
蚂蚁金服 高级专家
张天翼现为蚂蚁金服高级专家，担任风控模型架构团队的负责人。张天翼拥有十年以上的数据挖掘和机器学习从业经验。在加入蚂蚁金服之前，于亚马逊担任研究科学家，主要负责机器学习在供应链优化、定价管理和用户分析等领域的研究和应用。 加入蚂蚁金服后，专注于人工智能在风控领域的突破创新和大规模应用。结合学术研究和行业经验，落地实践迁移学习、表征学习、决策优化、自动机器学习等算法能力，为打造支付宝第五代智能风控引擎AlphaRisk提供AI算法支持。 张天翼拥有美国纽约州立大学石溪分校（SUNY at Stony Brook）应用数学博士学位和北京大学数学学士学位，曾任纽约州立大学石溪分校客座助理教授，发表多篇学术论文。
课程概要
案例背景介绍：
风险问题引起了学术界、工业界的广泛关注，同时近年来人工智能应用也已上升到国家战略层面。随着面临的场景规模的不断升级，大规模复杂场景下的架构可用性和风险识别模型的准确性、大流量高并发场景下的系统效率和稳定性、风险形势不断变化要求的系统迭代和自适应能力、线上交易伴随的用户身份认证可靠性和便利性、用户信息的隐私安全保护等均面临着一系列技术挑战。
解决思路/成功要点：
面向复杂交易系统和大规模并发数据请求的智能风控系统，AlphaRisk的核心正是由大数据机器学习算法驱动，同时由五大模块构成：风险预警模块，即对感知外部风险态势，提前预警风险和黑产攻击；风险识别模块，即极大提升风险识别准确率，落地深度学习和弱监督学习等创新算法；风险自动决策模块，即基于风险势态自动调整风控策略，极大减少人工干预；智能进化模块，即在线自动更新风险模型，提升风控引擎的对抗性；保障中心模块，系统的容灾体系，如自适应容灾，容灾模式；策略熔断体系,ABTest体系等，保障整个策略运营和风控系统的稳定性，降低运营风险。
成果：
本项目相关成果作为蚂蚁金服风控体系的核心能力，守护亿万用户的支付安全，覆盖风险类型从账户安全到网络诈骗、营销作弊、信贷欺诈等。
听众收益
1、了解最前沿的超大规模风控算法架构；
2、了解AI在实际业务场景的问题、挑战和应对；
3、了解autoML等前沿算法的落地应用实战
张天翼 |
蚂蚁金服
高级专家
张天翼现为蚂蚁金服高级专家，担任风控模型架构团队的负责人。张天翼拥有十年以上的数据挖掘和机器学习从业经验。在加入蚂蚁金服之前，于亚马逊担任研究科学家，主要负责机器学习在供应链优化、定价管理和用户分析等领域的研究和应用。 加入蚂蚁金服后，专注于人工智能在风控领域的突破创新和大规模应用。结合学术研究和行业经验，落地实践迁移学习、表征学习、决策优化、自动机器学习等算法能力，为打造支付宝第五代智能风控引擎AlphaRisk提供AI算法支持。 张天翼拥有美国纽约州立大学石溪分校（SUNY at Stony Brook）应用数学博士学位和北京大学数学学士学位，曾任纽约州立大学石溪分校客座助理教授，发表多篇学术论文。
课程概要
案例背景介绍：
风险问题引起了学术界、工业界的广泛关注，同时近年来人工智能应用也已上升到国家战略层面。随着面临的场景规模的不断升级，大规模复杂场景下的架构可用性和风险识别模型的准确性、大流量高并发场景下的系统效率和稳定性、风险形势不断变化要求的系统迭代和自适应能力、线上交易伴随的用户身份认证可靠性和便利性、用户信息的隐私安全保护等均面临着一系列技术挑战。
解决思路/成功要点：
面向复杂交易系统和大规模并发数据请求的智能风控系统，AlphaRisk的核心正是由大数据机器学习算法驱动，同时由五大模块构成：风险预警模块，即对感知外部风险态势，提前预警风险和黑产攻击；风险识别模块，即极大提升风险识别准确率，落地深度学习和弱监督学习等创新算法；风险自动决策模块，即基于风险势态自动调整风控策略，极大减少人工干预；智能进化模块，即在线自动更新风险模型，提升风控引擎的对抗性；保障中心模块，系统的容灾体系，如自适应容灾，容灾模式；策略熔断体系,ABTest体系等，保障整个策略运营和风控系统的稳定性，降低运营风险。
成果：
本项目相关成果作为蚂蚁金服风控体系的核心能力，守护亿万用户的支付安全，覆盖风险类型从账户安全到网络诈骗、营销作弊、信贷欺诈等。
听众收益
1、了解最前沿的超大规模风控算法架构；
2、了解AI在实际业务场景的问题、挑战和应对；
3、了解autoML等前沿算法的落地应用实战
京ICP备09001521号