彻底变革是2020年的主题，客户要求个性化的产品、改进的防欺诈保护以及与行为的每一个小转变相匹配的数字体验。银行、保险公司和机构投资者甚至更加依赖大数据和人工智能来满足这些需求并战胜竞争对手。多年来，Spark+AI峰会一直是希望使用领先的开源技术（如apachesparktm、Delta-Lake和MLflow）大规模构建人工智能应用程序的首选会议场所。2020年，我们将继续传统，将峰会完全虚拟化。6月22日至26日，来自世界各地的数据科学家和工程师将能够与大家一起学习和分享实现人工智能好处的最佳实践。今年的峰会安排了金融服务业领袖的全面会谈议程，包括CapitalOnly、VISA、瑞士信贷和Intuit等。与往常一样，与会者还可以参加我们的金融服务体验，与同行会面，参与与行业思想领袖的讨论，并参与有关最热门数据和人工智能用例的交互式演示。注册Spark+AI峰会，参观金融服务休息室，充分利用所有会议和活动。金融服务技术讲座以下是我们在今年峰会上最受期待的金融服务会议会谈的概述。首都通过新兴技术扰乱风险管理对许多人来说，最佳地衡量风险是一项至关重要的职能，但在金融服务业尤其如此。专业人士需要在投资前了解产品的性能，以便做出战略决策。在这次与CapitalOnly的谈话中，您将了解到他们的工程高级成员是如何利用技术为建模者、分析师和关键利益相关者提供端到端的分析体验，从而实现损失预测、博弈分析、模型运行结果比较、智能洞察和输出以及新功能的创建。苏黎世从平台到生态系统的云和分析数据科学为苏黎世的保险业务提供了像中枢神经系统一样的动力：70名数据科学家致力于从优化理赔流程到防范下一个风险，再到为客户改进数据和分析套件的所有工作。在本次演讲中，您将确切了解他们是如何实施苏黎世可扩展的自助式数据科学生态系统来优化和缩放项目生命周期中的活动，以及他们如何利用分析工具利用Azure data lake简化机器学习和预测分析工作。签证使用人工智能来支持不断增长的商业变革在VISA，商户是其支付网络的核心实体。据观察，每月有数百万人加入生态系统，其中相当一部分是创造了新身份和改变了属性的商人。在本次讲座中，学习他们如何使用人工智能、大数据和一套工具定期查看商家模式，检测这些变化，更重要的是，准确地跟踪这些变化，以防止错误报价和查询延迟。再统治用机器学习算法构造知识图的所有组成部分机器学习算法驱动Reonomy的产品交付。在这篇演讲中，你将直接从他们的首席数据科学家那里学习到关键代码设计、集群配置和成功构建组件Reonomy知识图所用算法的例子。收获包括实现生产质量模型时要考虑的关键点，以及构建知识图的逻辑框架，该知识图能够支持一组不同的物业智能产品。直觉Intuit如何使用ApacheSpark监视大规模生产中的机器学习模型在这个演示中，Intuit将讨论他们即将推出的开源模型监控服务（MMS）。MMS是由Intuit AI开发的基于Spark的内部解决方案，为生产ML模型的数据和模型度量提供持续监控。MMS旨在解决生产中ML模型监控的多个挑战，包括来自不同时间范围的多个数据源的集成，以及可重用和可扩展的度量和分段库。金融服务业论坛6月25日，星期四，美国东部时间上午9:00-10:30，参加Spark+AI峰会的互动金融服务论坛。在Spark+AI峰会的这一盛会上，您将有机会与金融服务行业的领导者进行互动讨论，探讨数据和机器学习如何推动整个行业的创新。以下是金融服务论坛的演示者阵容快照：瑞士信贷是如何利用数据分析和人工智能来快速扩大新产品创新的尽管大数据和机器学习越来越受到欢迎，但大多数金融服务公司在数据类型、隐私和规模方面仍面临重大挑战。瑞士信贷正在克服这些障碍，并在利用数据分析和人工智能进行风险管理和以客户为中心来推动业务增长和运营效率方面处于领先地位。怎样？瑞士信贷已将一系列核心的合作伙伴关系、人员、流程和技术与Databricks结合在一起，作为其统一的分析平台，使他们能够协作并扩大新产品的创新规模，从而迅速缩短从最初的商业创意到具有商业可行性的产品的上市时间。纳斯达克x人工智能，动态市场和新规范人工智能已经成为现代企业的一个关键区别。曾经只有1%的公司才能获得的技术创新，现在正迅速走向民主化。在纳斯达克，他们正在部署先进的分析技术，以服务于多个用例——从保护金融市场到启用新的数字市场。具体而言，我们将探讨纳斯达克如何利用先进的数据科学技术，如图形处理和深度学习，以了解非结构化数据（如图像和文本）之间的关系，为保护、转换和释放资本市场的新机遇提供模型。金融服务中流行数据+人工智能用例演示加入金融服务行业最热门用例的现场演示，包括风险价值建模、利用计算机视觉自动化索赔评估、信用风险分析等。使风险管理实践现代化依赖内部基础设施的传统银行已无法有效地管理风险。这个演示突出了敏捷的现代风险管理实践的价值，能够快速响应市场和经济波动。通过使用"风险价值"用例，您将了解Databricks如何帮助金融服务机构实现风险管理实践的现代化，如何利用Delta Lake、Apache Spark和MLFlow采用更灵活的风险管理方法。如何构建快速通过验证和审核的模型金融机构和银行越来越多地使用数据和ML来推动竞争性见解的可靠性，使企业能够信任并采取行动。在这个以信用风险分析为重点的演示中，我们展示了一个统一的数据分析平台如何为商业数据科学带来一种更加规范和结构化的方法，将模型生命周期从12个月缩短到几周。利用计算机视觉加速索赔评估美国每天有超过1.5万起车祸（每分钟10起），汽车保险公司认识到需要通过使用人工智能来提高运营效率。在这节课上，我们将展示Databricks如何帮助保险公司开始他们的人工智能/计算机视觉的索赔评估和损失估计之旅。金融服务培训金融实际问题解决：apachespark实时欺诈检测在这半天的课程中，您将学习数据块和Spark如何帮助解决人们在处理财务数据时面临的现实问题。您将学习如何处理脏数据，以及如何开始结构化流和实时欺诈检测。学生们还将获得一个较长的带回家的顶石练习，作为课堂的奖励内容，在那里他们可以应用所提出的所有概念。这门课是用Python和Scala同时教授的。人工智能对数量金融的破坏。从预测到概率密度估计，再到生成模型，再到强化学习的优化在这次演讲中，Databricks的客户成功工程师nimanooshi将展示一个基于最近人工智能发展的端到端资产管理管道。他将介绍构建一个自主投资组合管理器的步骤，讨论预测性人工智能组件（如非线性动态Boltzmann机器）如何改进代理的学习，以及使用数据生成组件学习资产价格的条件分布的可能性。您将清楚地看到端到端数据管道以及复杂模型的不同组件如何在统一平台架构中协同工作。报名参加Summit金融服务体验！要充分利用Spark+AI峰会的金融服务经验，只需注册我们的免费虚拟会议，并在注册过程中选择金融服务论坛。如果您已经注册了会议，请登录您的注册帐户，编辑"其他活动"并检查您想参加的论坛。免费试用Databricks。今天就开始吧