Объясняемое машинное обучение для банков
Мы создаём образовательные программы, которые помогают специалистам финансового сектора понимать и применять методы интерпретируемого машинного обучения.
Как начиналась cikabiq
В 2020 году группа аналитиков из банковской сферы столкнулась с проблемой: модели машинного обучения давали прогнозы, но не объясняли их.
Кредитные комитеты требовали обоснований, регуляторы задавали вопросы о справедливости алгоритмов, а специалисты не могли объяснить, почему модель приняла то или иное решение.
Тогда мы решили создать платформу, которая учит не просто строить модели, а делать их прозрачными и понятными для всех участников процесса.
Сегодня cikabiq объединяет специалистов со всего Казахстана — от Уральска до Алматы. География не имеет значения, когда речь идёт о доступе к экспертным знаниям.
Наши вебинары проводят практикующие специалисты, которые ежедневно работают с кредитными рисками, скорингом и моделями принятия решений в реальных банковских системах.
Мы не обещаем мгновенных результатов. Освоение методов SHAP, LIME и других техник интерпретации требует времени, практики и понимания статистических основ. Но каждый участник получает конкретные инструменты, которые можно применить в своей работе на следующий день.
Кто ведёт программы
Восемь лет в банковской аналитике. Специализируется на SHAP-анализе и объяснении решений кредитных моделей для регуляторов.
Разрабатывает модели кредитного скоринга для трёх крупных банков. Обучает методам валидации и контроля справедливости алгоритмов.
Отвечает за практические кейсы на платформе. Показывает, как создавать признаки, которые модель сможет правильно интерпретировать.