網(wǎng)上有很多關(guān)于蘇州中國銀聯(lián)pos機(jī),蘇州農(nóng)商銀行的知識(shí)，也有很多人為大家解答關(guān)于蘇州中國銀聯(lián)pos機(jī)的問題，今天pos機(jī)之家(www.shineka.com)為大家整理了關(guān)于這方面的知識(shí)，讓我們一起來看下吧!
本文目錄一覽：
蘇州中國銀聯(lián)pos機(jī)
蘇州農(nóng)商銀行人工智能平臺(tái)是一套包含機(jī)器學(xué)習(xí)模型開發(fā)工具、非結(jié)構(gòu)化數(shù)據(jù)標(biāo)注、語音合成、語音識(shí)別、語義理解、OCR識(shí)別等多種能力的綜合性平臺(tái)。對(duì)于模型開發(fā)人員來說，平臺(tái)可以輕松地進(jìn)行機(jī)器學(xué)習(xí)模型的快速開發(fā)和部署。對(duì)于智能化應(yīng)用場景來說，平臺(tái)具備的各項(xiàng)AI能力，可以有效的為全行智能化、數(shù)字化轉(zhuǎn)型賦能。
一、項(xiàng)目方案
隨著數(shù)字化時(shí)代的到來，一些金融機(jī)構(gòu)通過采購人工智能科技公司的平臺(tái)、模型來響應(yīng)業(yè)務(wù)部門的需求，AI科技公司在一定程度上的確為金融行業(yè)的數(shù)字化、智慧化轉(zhuǎn)型提供了技術(shù)支撐，并且已經(jīng)有一些應(yīng)用落地了。目前金融機(jī)構(gòu)數(shù)字化、智能化轉(zhuǎn)型面臨的困境是：
1、人工智能技術(shù)平臺(tái)的引入在一開始就缺乏統(tǒng)一的規(guī)劃，金融行業(yè)對(duì)數(shù)據(jù)的保護(hù)較為嚴(yán)格，大多系統(tǒng)都需要私有化部署，互相之間沒有做兼容性改造，后期優(yōu)化模型、維護(hù)模型會(huì)帶來很多不便。
2、單一的AI任務(wù)無法實(shí)現(xiàn)，目前大多數(shù)在用的方案是從不同的廠商采購不同的能力或者從同一廠商采購多個(gè)能力但是這些能力之間底層不能互通，這必然會(huì)帶來AI底層能力的重復(fù)性建設(shè)、軟硬件平臺(tái)的投入成本高、科技人員維護(hù)成本高等難題。
蘇州農(nóng)商銀行通過建設(shè)人工智能平臺(tái)作為智能中臺(tái)來解決上述困境，平臺(tái)架構(gòu)圖見圖1，每層內(nèi)容如下：
圖1 AI平臺(tái)架構(gòu)圖
基礎(chǔ)數(shù)據(jù)層：主要負(fù)責(zé)對(duì)數(shù)據(jù)的統(tǒng)一監(jiān)控與存儲(chǔ)，包括數(shù)據(jù)治理、數(shù)據(jù)聚合、數(shù)據(jù)采集等功能，同時(shí)負(fù)責(zé)模型、標(biāo)簽以及知識(shí)數(shù)據(jù)的匯聚與管理，為標(biāo)注訓(xùn)練層提供數(shù)據(jù)支撐。
標(biāo)注訓(xùn)練層：包含兩方面內(nèi)容：一是深度學(xué)習(xí)平臺(tái)，嵌入多種先進(jìn)的處理算法，提供訓(xùn)練語言模型，圖像模型、風(fēng)控/營銷模型等功能，同時(shí)覆蓋訓(xùn)練流程的全生命周期管理。二是標(biāo)注平臺(tái)，支持對(duì)音頻、文本、圖片的可視化界面標(biāo)注，最終形成一條從標(biāo)注、訓(xùn)練，再到模型優(yōu)化更新的閉環(huán)流程。
AI+層：提供最先進(jìn)的人工智能核心能力與算法，主要包括語音識(shí)別能力，語音合成能力、自然語言理解能力以及OCR能力。
服務(wù)層：提供接入負(fù)載、應(yīng)用鑒權(quán)、服務(wù)調(diào)用路由和第三方信源調(diào)用模式，提供各類開發(fā)語言的SDK以及WebAPI接口供應(yīng)用層調(diào)用。
應(yīng)用層：面向全行的智能化應(yīng)用場景，包含智慧網(wǎng)點(diǎn)、新一代手機(jī)銀行、智能客服等交互場景，業(yè)務(wù)部門的精準(zhǔn)營銷模型、風(fēng)險(xiǎn)部門的精準(zhǔn)風(fēng)控模型，審計(jì)部與財(cái)務(wù)部的OCR識(shí)別場景等。
二、項(xiàng)目創(chuàng)新點(diǎn)
2.1多系統(tǒng)融合
平臺(tái)的設(shè)計(jì)方案的優(yōu)勢(shì)在于技術(shù)方案的完備性和功能點(diǎn)之間的連通性。本設(shè)計(jì)方案不僅具備機(jī)器學(xué)習(xí)+深度學(xué)習(xí)全生命周期（從數(shù)據(jù)引入、數(shù)據(jù)處理、模型訓(xùn)練、模型線上發(fā)布到模型服務(wù)管理等）的開發(fā)功能，還具備語音識(shí)別合成、自然語言理解、OCR識(shí)別等能力輸出功能，平臺(tái)能夠在對(duì)接金融機(jī)構(gòu)現(xiàn)有系統(tǒng)進(jìn)行能力輸出的同時(shí)高效地定期維護(hù)和更新。
2.2統(tǒng)一接口微服務(wù)架構(gòu)
模型通過微服務(wù)方式對(duì)外提供服務(wù)，在模型更新過程中業(yè)務(wù)部門無需更新代碼。由于不同供應(yīng)商的的接口并不相同，行內(nèi)自研統(tǒng)一接口服務(wù)對(duì)供應(yīng)商接口進(jìn)行適配代理，業(yè)務(wù)部門調(diào)用統(tǒng)一接口服務(wù)，即保持了不同模型接口調(diào)用方式的統(tǒng)一，也實(shí)現(xiàn)了對(duì)業(yè)務(wù)部門調(diào)用量、調(diào)用情況的監(jiān)控。統(tǒng)一接口服務(wù)的管理門戶自主研發(fā)集成到AI平臺(tái)門戶中使得AI中臺(tái)能夠及時(shí)發(fā)現(xiàn)業(yè)務(wù)調(diào)用問題，調(diào)用趨勢(shì)等。
2.3推廣應(yīng)用創(chuàng)新
業(yè)務(wù)部門人員在AI平臺(tái)體驗(yàn)中心可以點(diǎn)擊查看各個(gè)模型的使用說明、圖文介紹，部分模型能跳轉(zhuǎn)到應(yīng)用中心進(jìn)行體驗(yàn)。通過這種主動(dòng)體驗(yàn)的方式減少了推廣的成本、增強(qiáng)了業(yè)務(wù)人員對(duì)于技術(shù)的認(rèn)知。
圖2 AI平臺(tái)應(yīng)用中心
圖3 AI平臺(tái)體驗(yàn)中心
三、技術(shù)實(shí)現(xiàn)特點(diǎn)
圖4 訓(xùn)練平臺(tái)邏輯架構(gòu)圖
3.1可視化展示層
前端用Vue/Stylus/Node技術(shù)框架，Vue是一套構(gòu)建用戶界面的漸進(jìn)式框架，用戶整體頁面布局開發(fā)，靈活易用。Stylus預(yù)處理程序，解決樣式覆寫的問題，尤其是mixin式復(fù)用，可緩解多瀏覽器兼容造成的冗余，使CSS開發(fā)更加靈。Node.js 使用了一個(gè)事件驅(qū)動(dòng)、非阻塞式 I/O 的模型，使其輕量又高效。
3.2業(yè)務(wù)邏輯處理層
1、tdl service
采用gin微框架搭建了整體的web框架服務(wù)，并對(duì)外提供restful api接口。
使用mysql用于存儲(chǔ)管理相關(guān)數(shù)據(jù)。
分為用戶空間、項(xiàng)目空間、數(shù)據(jù)空間、模型空間、工作臺(tái)主要五大模塊。
通過rest接口調(diào)用bettertrain服務(wù)，向其提交dag任務(wù)，并通過生成的任務(wù)id查詢?nèi)蝿?wù)狀態(tài)。
通過s3協(xié)議接口，調(diào)用fuse-s3服務(wù)，直接獲取存儲(chǔ)的數(shù)據(jù)信息(不經(jīng)過數(shù)據(jù)庫層)。
2、fuse-se service
底層可掛載文件存儲(chǔ)或者對(duì)象存儲(chǔ)。
對(duì)外提供標(biāo)準(zhǔn)的s3協(xié)議，并額外進(jìn)行s3功能擴(kuò)展,完成桶拷貝、數(shù)據(jù)共享功能擴(kuò)展。
3、bettertrain-service
通用的dag任務(wù)調(diào)度能力，底層可定制化調(diào)度平臺(tái)，目前支持接入k8s和單機(jī)docker。
支持定制化模板。
基于rabbitmq實(shí)現(xiàn)任務(wù)隊(duì)列，基于mysql進(jìn)行任務(wù)配置和狀態(tài)等管理。
通過api向k8s或者docker提供任務(wù)，并進(jìn)行任務(wù)的管理。
3.3調(diào)度層
1、k8s
適合集群化使用。
基于Kubernetes的device plugin完成GPU信息的收集和存儲(chǔ)。
提交任務(wù)只需聲明本次任務(wù)需要的資源和相關(guān)服務(wù)即可，Kubernetes會(huì)根據(jù)集群當(dāng)前運(yùn)行情況，選擇最合適的節(jié)點(diǎn)完成各類任務(wù)的調(diào)度、運(yùn)行、結(jié)果的反饋等工作。
原生Kubernetes default-scheduler的GPU資源分配為均衡分配，極易造成資源碎片。開發(fā)自定義調(diào)度器scheduler替換default-scheduler，以達(dá)到資源最大化利用。
Kubernetes支持所有提交任務(wù)的運(yùn)行情況查看以及節(jié)點(diǎn)gpu、cpu、內(nèi)存等使用情況查詢。
2、Docker
適合單機(jī)訓(xùn)練時(shí)使用。
自研的gpu scheduler,進(jìn)行g(shù)pu資源的分配。
支持所有提交任務(wù)的運(yùn)行情況查看以及節(jié)點(diǎn)gpu、cpu、內(nèi)存等使用情況查詢。
3.4數(shù)據(jù)層
Mysql數(shù)據(jù)庫
創(chuàng)建，訪問，管理，搜索和復(fù)制所保存的數(shù)據(jù)。
3.5存儲(chǔ)層
1、文件存儲(chǔ)(NFS)
也叫作文件級(jí)或者基于文件的存儲(chǔ)，它是以一種分層的結(jié)構(gòu)存儲(chǔ)數(shù)據(jù)。數(shù)據(jù)保存于文件和文件夾中，同樣的格式用于存儲(chǔ)和檢索。對(duì)于Unix、Linux系統(tǒng)，利用網(wǎng)絡(luò)文件系統(tǒng)協(xié)議（NFS）能夠訪問這些數(shù)據(jù)，而對(duì)于Windows，使用服務(wù)器消息塊協(xié)議（SMB協(xié)議）進(jìn)行訪問。
圖5 訓(xùn)練平臺(tái)數(shù)據(jù)流向圖
四、項(xiàng)目過程管理
AI平臺(tái)的項(xiàng)目建設(shè)主要分建設(shè)、測(cè)試、接入、改善4個(gè)階段，每個(gè)階段的進(jìn)度見圖6。
圖6 項(xiàng)目管理甘特圖
五、運(yùn)營情況
2020年我行初步完成了智能中臺(tái)、數(shù)據(jù)中臺(tái)的搭建，實(shí)現(xiàn)AI能力全行級(jí)共享，并聯(lián)合業(yè)務(wù)部門試點(diǎn)完成了部分應(yīng)用場景的建設(shè)，取得了一些成效。
在OCR識(shí)別場景方面，分別聯(lián)合計(jì)劃財(cái)務(wù)部、網(wǎng)絡(luò)金融部上線了發(fā)票識(shí)別模型、營業(yè)執(zhí)照和身份證識(shí)別模型。
在智能語音、語義方面，為網(wǎng)絡(luò)金融部全渠道客服項(xiàng)目提供了AI支持。
在精準(zhǔn)營銷方面，聯(lián)合三農(nóng)與普惠金融部構(gòu)建了小微企業(yè)精準(zhǔn)營銷模型、代發(fā)工資客戶精準(zhǔn)營銷模型。
在智能風(fēng)控方面，聯(lián)合風(fēng)險(xiǎn)管理部開發(fā)了對(duì)公貸款逾期預(yù)測(cè)模型。
六、項(xiàng)目成效
應(yīng)用生物識(shí)別、人工智能、大數(shù)據(jù)等先進(jìn)信息技術(shù)，在企業(yè)的互聯(lián)網(wǎng)支付、線上貸款、手機(jī)銀行、普惠金融、風(fēng)險(xiǎn)預(yù)警等30個(gè)業(yè)務(wù)中得到應(yīng)用，部門場景成效如下表。
AI+數(shù)字金融：2020年本行共為64700個(gè)企業(yè)客戶、1876559個(gè)個(gè)人客戶提供數(shù)字金融服務(wù)；數(shù)字金融業(yè)務(wù)交易額為193.87萬億元，同比變化8.7%。
AI+移動(dòng)支付：2020年網(wǎng)絡(luò)移動(dòng)支付業(yè)務(wù)交易額為8790億元，占比為0.05%；三農(nóng)、供應(yīng)鏈金融交易額為177.66億元，同比變化84.2%,占比為0.01%；通過POS、網(wǎng)絡(luò)支付、一碼通、云閃付等豐富支付方式為客戶提供便捷的金融服務(wù)，已建立6.47萬個(gè)支付終端服務(wù)64572家商鋪；共有103萬人實(shí)名制注冊(cè)并使用移動(dòng)支付功能，同比變化39.1%。
AI+營銷風(fēng)控：通過機(jī)器學(xué)習(xí)算法實(shí)施了小微企業(yè)精準(zhǔn)營銷模型、代發(fā)工資客戶精準(zhǔn)營銷模型和對(duì)公貸款逾期預(yù)測(cè)模型，針對(duì)100多萬客戶通過場景化、顆?；蛶资畟€(gè)維度的層層過濾，最終為5萬多名個(gè)人客戶提供存款理財(cái)類金融服務(wù)，單客群個(gè)人存款增1.14億元，AUM值增1.83億元，消費(fèi)類貸款和小微企業(yè)經(jīng)營性貸款營銷模型，僅三個(gè)多月時(shí)間新增授信1.4億。
AI+智慧運(yùn)營：OCR方面投產(chǎn)使用了營業(yè)執(zhí)照、發(fā)票和身份證識(shí)別模型，提升內(nèi)部經(jīng)營管理效率；智能語音、語義方面助力全渠道項(xiàng)目的場景建設(shè)，提供更優(yōu)質(zhì)客戶體驗(yàn)。
手機(jī)銀行項(xiàng)目榮獲2020中國電子銀行金榜獎(jiǎng)最佳手機(jī)銀行成長獎(jiǎng)；“互聯(lián)網(wǎng)+不動(dòng)產(chǎn)抵押30分鐘”項(xiàng)目成為全國首個(gè)純線上不動(dòng)產(chǎn)抵押項(xiàng)目；“錦E貼”產(chǎn)品實(shí)現(xiàn)秒級(jí)放款，榮獲蘇州市金融科技賦能實(shí)體經(jīng)濟(jì)競賽“支持小微類”優(yōu)秀獎(jiǎng)。
圖7 發(fā)票識(shí)別模型調(diào)用量情況
七、經(jīng)驗(yàn)總結(jié)
在項(xiàng)目建設(shè)過程中我行通過應(yīng)用中心、體驗(yàn)門戶的方式快速向全行業(yè)務(wù)部門推廣，同時(shí)由于模型采用微服務(wù)架構(gòu)的方式對(duì)外提供服務(wù)，業(yè)務(wù)部門現(xiàn)有系統(tǒng)可以快速接入，減少了對(duì)接的溝通成本。此外統(tǒng)一接口服務(wù)適配代理了大部分模型接口并將各個(gè)模型業(yè)務(wù)調(diào)用情況在AI平臺(tái)門戶進(jìn)行統(tǒng)一的多維度展示，用于分析業(yè)務(wù)調(diào)用趨勢(shì)、發(fā)現(xiàn)業(yè)務(wù)調(diào)用問題，使得AI平臺(tái)真正成為打通業(yè)務(wù)與技術(shù)的中臺(tái)。
以上就是關(guān)于蘇州中國銀聯(lián)pos機(jī),蘇州農(nóng)商銀行的知識(shí)，后面我們會(huì)繼續(xù)為大家整理關(guān)于蘇州中國銀聯(lián)pos機(jī)的知識(shí)，希望能夠幫助到大家！
