網上有很多關于蘇州中國銀聯(lián)pos機,蘇州農商銀行的知識，也有很多人為大家解答關于蘇州中國銀聯(lián)pos機的問題，今天pos機之家(www.afbey.com)為大家整理了關于這方面的知識，讓我們一起來看下吧!
本文目錄一覽：
蘇州中國銀聯(lián)pos機
蘇州農商銀行人工智能平臺是一套包含機器學習模型開發(fā)工具、非結構化數據標注、語音合成、語音識別、語義理解、OCR識別等多種能力的綜合性平臺。對于模型開發(fā)人員來說，平臺可以輕松地進行機器學習模型的快速開發(fā)和部署。對于智能化應用場景來說，平臺具備的各項AI能力，可以有效的為全行智能化、數字化轉型賦能。
一、項目方案
隨著數字化時代的到來，一些金融機構通過采購人工智能科技公司的平臺、模型來響應業(yè)務部門的需求，AI科技公司在一定程度上的確為金融行業(yè)的數字化、智慧化轉型提供了技術支撐，并且已經有一些應用落地了。目前金融機構數字化、智能化轉型面臨的困境是：
1、人工智能技術平臺的引入在一開始就缺乏統(tǒng)一的規(guī)劃，金融行業(yè)對數據的保護較為嚴格，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、維護模型會帶來很多不便。
2、單一的AI任務無法實現，目前大多數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能力但是這些能力之間底層不能互通，這必然會帶來AI底層能力的重復性建設、軟硬件平臺的投入成本高、科技人員維護成本高等難題。
蘇州農商銀行通過建設人工智能平臺作為智能中臺來解決上述困境，平臺架構圖見圖1，每層內容如下：
圖1 AI平臺架構圖
基礎數據層：主要負責對數據的統(tǒng)一監(jiān)控與存儲，包括數據治理、數據聚合、數據采集等功能，同時負責模型、標簽以及知識數據的匯聚與管理，為標注訓練層提供數據支撐。
標注訓練層：包含兩方面內容：一是深度學習平臺，嵌入多種先進的處理算法，提供訓練語言模型，圖像模型、風控/營銷模型等功能，同時覆蓋訓練流程的全生命周期管理。二是標注平臺，支持對音頻、文本、圖片的可視化界面標注，最終形成一條從標注、訓練，再到模型優(yōu)化更新的閉環(huán)流程。
AI+層：提供最先進的人工智能核心能力與算法，主要包括語音識別能力，語音合成能力、自然語言理解能力以及OCR能力。
服務層：提供接入負載、應用鑒權、服務調用路由和第三方信源調用模式，提供各類開發(fā)語言的SDK以及WebAPI接口供應用層調用。
應用層：面向全行的智能化應用場景，包含智慧網點、新一代手機銀行、智能客服等交互場景，業(yè)務部門的精準營銷模型、風險部門的精準風控模型，審計部與財務部的OCR識別場景等。
二、項目創(chuàng)新點
2.1多系統(tǒng)融合
平臺的設計方案的優(yōu)勢在于技術方案的完備性和功能點之間的連通性。本設計方案不僅具備機器學習+深度學習全生命周期（從數據引入、數據處理、模型訓練、模型線上發(fā)布到模型服務管理等）的開發(fā)功能，還具備語音識別合成、自然語言理解、OCR識別等能力輸出功能，平臺能夠在對接金融機構現有系統(tǒng)進行能力輸出的同時高效地定期維護和更新。
2.2統(tǒng)一接口微服務架構
模型通過微服務方式對外提供服務，在模型更新過程中業(yè)務部門無需更新代碼。由于不同供應商的的接口并不相同，行內自研統(tǒng)一接口服務對供應商接口進行適配代理，業(yè)務部門調用統(tǒng)一接口服務，即保持了不同模型接口調用方式的統(tǒng)一，也實現了對業(yè)務部門調用量、調用情況的監(jiān)控。統(tǒng)一接口服務的管理門戶自主研發(fā)集成到AI平臺門戶中使得AI中臺能夠及時發(fā)現業(yè)務調用問題，調用趨勢等。
2.3推廣應用創(chuàng)新
業(yè)務部門人員在AI平臺體驗中心可以點擊查看各個模型的使用說明、圖文介紹，部分模型能跳轉到應用中心進行體驗。通過這種主動體驗的方式減少了推廣的成本、增強了業(yè)務人員對于技術的認知。
圖2 AI平臺應用中心
圖3 AI平臺體驗中心
三、技術實現特點
圖4 訓練平臺邏輯架構圖
3.1可視化展示層
前端用Vue/Stylus/Node技術框架，Vue是一套構建用戶界面的漸進式框架，用戶整體頁面布局開發(fā)，靈活易用。Stylus預處理程序，解決樣式覆寫的問題，尤其是mixin式復用，可緩解多瀏覽器兼容造成的冗余，使CSS開發(fā)更加靈。Node.js 使用了一個事件驅動、非阻塞式 I/O 的模型，使其輕量又高效。
3.2業(yè)務邏輯處理層
1、tdl service
采用gin微框架搭建了整體的web框架服務，并對外提供restful api接口。
使用mysql用于存儲管理相關數據。
分為用戶空間、項目空間、數據空間、模型空間、工作臺主要五大模塊。
通過rest接口調用bettertrain服務，向其提交dag任務，并通過生成的任務id查詢任務狀態(tài)。
通過s3協(xié)議接口，調用fuse-s3服務，直接獲取存儲的數據信息(不經過數據庫層)。
2、fuse-se service
底層可掛載文件存儲或者對象存儲。
對外提供標準的s3協(xié)議，并額外進行s3功能擴展,完成桶拷貝、數據共享功能擴展。
3、bettertrain-service
通用的dag任務調度能力，底層可定制化調度平臺，目前支持接入k8s和單機docker。
支持定制化模板。
基于rabbitmq實現任務隊列，基于mysql進行任務配置和狀態(tài)等管理。
通過api向k8s或者docker提供任務，并進行任務的管理。
3.3調度層
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。
提交任務只需聲明本次任務需要的資源和相關服務即可，Kubernetes會根據集群當前運行情況，選擇最合適的節(jié)點完成各類任務的調度、運行、結果的反饋等工作。
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)自定義調度器scheduler替換default-scheduler，以達到資源最大化利用。
Kubernetes支持所有提交任務的運行情況查看以及節(jié)點gpu、cpu、內存等使用情況查詢。
2、Docker
適合單機訓練時使用。
自研的gpu scheduler,進行gpu資源的分配。
支持所有提交任務的運行情況查看以及節(jié)點gpu、cpu、內存等使用情況查詢。
3.4數據層
Mysql數據庫
創(chuàng)建，訪問，管理，搜索和復制所保存的數據。
3.5存儲層
1、文件存儲(NFS)
也叫作文件級或者基于文件的存儲，它是以一種分層的結構存儲數據。數據保存于文件和文件夾中，同樣的格式用于存儲和檢索。對于Unix、Linux系統(tǒng)，利用網絡文件系統(tǒng)協(xié)議（NFS）能夠訪問這些數據，而對于Windows，使用服務器消息塊協(xié)議（SMB協(xié)議）進行訪問。
圖5 訓練平臺數據流向圖
四、項目過程管理
AI平臺的項目建設主要分建設、測試、接入、改善4個階段，每個階段的進度見圖6。
圖6 項目管理甘特圖
五、運營情況
2020年我行初步完成了智能中臺、數據中臺的搭建，實現AI能力全行級共享，并聯(lián)合業(yè)務部門試點完成了部分應用場景的建設，取得了一些成效。
在OCR識別場景方面，分別聯(lián)合計劃財務部、網絡金融部上線了發(fā)票識別模型、營業(yè)執(zhí)照和身份證識別模型。
在智能語音、語義方面，為網絡金融部全渠道客服項目提供了AI支持。
在精準營銷方面，聯(lián)合三農與普惠金融部構建了小微企業(yè)精準營銷模型、代發(fā)工資客戶精準營銷模型。
在智能風控方面，聯(lián)合風險管理部開發(fā)了對公貸款逾期預測模型。
六、項目成效
應用生物識別、人工智能、大數據等先進信息技術，在企業(yè)的互聯(lián)網支付、線上貸款、手機銀行、普惠金融、風險預警等30個業(yè)務中得到應用，部門場景成效如下表。
AI+數字金融：2020年本行共為64700個企業(yè)客戶、1876559個個人客戶提供數字金融服務；數字金融業(yè)務交易額為193.87萬億元，同比變化8.7%。
AI+移動支付：2020年網絡移動支付業(yè)務交易額為8790億元，占比為0.05%；三農、供應鏈金融交易額為177.66億元，同比變化84.2%,占比為0.01%；通過POS、網絡支付、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，已建立6.47萬個支付終端服務64572家商鋪；共有103萬人實名制注冊并使用移動支付功能，同比變化39.1%。
AI+營銷風控：通過機器學習算法實施了小微企業(yè)精準營銷模型、代發(fā)工資客戶精準營銷模型和對公貸款逾期預測模型，針對100多萬客戶通過場景化、顆?；蛶资畟€維度的層層過濾，最終為5萬多名個人客戶提供存款理財類金融服務，單客群個人存款增1.14億元，AUM值增1.83億元，消費類貸款和小微企業(yè)經營性貸款營銷模型，僅三個多月時間新增授信1.4億。
AI+智慧運營：OCR方面投產使用了營業(yè)執(zhí)照、發(fā)票和身份證識別模型，提升內部經營管理效率；智能語音、語義方面助力全渠道項目的場景建設，提供更優(yōu)質客戶體驗。
手機銀行項目榮獲2020中國電子銀行金榜獎最佳手機銀行成長獎；“互聯(lián)網+不動產抵押30分鐘”項目成為全國首個純線上不動產抵押項目；“錦E貼”產品實現秒級放款，榮獲蘇州市金融科技賦能實體經濟競賽“支持小微類”優(yōu)秀獎。
圖7 發(fā)票識別模型調用量情況
七、經驗總結
在項目建設過程中我行通過應用中心、體驗門戶的方式快速向全行業(yè)務部門推廣，同時由于模型采用微服務架構的方式對外提供服務，業(yè)務部門現有系統(tǒng)可以快速接入，減少了對接的溝通成本。此外統(tǒng)一接口服務適配代理了大部分模型接口并將各個模型業(yè)務調用情況在AI平臺門戶進行統(tǒng)一的多維度展示，用于分析業(yè)務調用趨勢、發(fā)現業(yè)務調用問題，使得AI平臺真正成為打通業(yè)務與技術的中臺。
以上就是關于蘇州中國銀聯(lián)pos機,蘇州農商銀行的知識，后面我們會繼續(xù)為大家整理關于蘇州中國銀聯(lián)pos機的知識，希望能夠幫助到大家！
