下载PDF
Seldon > 实例探究 > Capital One 如何将模型部署时间从数月缩短至几分钟
Seldon Logo

How Capital One reduced model deployment time from months to minutes

技术
  • 分析与建模 - 机器学习
适用行业
  • 金融与保险
适用功能
  • 产品研发
用例
  • 预测性维护
服务
  • 系统集成
挑战
美国领先的零售银行 Capital One 的机器学习 (ML) 部署流程面临严重延迟。数据科学团队严重依赖工程部门来测试、部署或升级模型。这导致长达一个月的滞后时间,并且需要重新部署整个应用程序才能更新现有模型。只有使用更多的开发人员资源和人力才能扩大项目规模,这进一步加剧了本已不堪重负的团队的压力。该银行需要一种强大、可扩展且灵活的方法来部署 ML 模型,以支持其数百万客户和移动银行应用程序的用户。
关于客户
第一资本银行是美国领先的零售银行。它为数百万客户提供服务,并拥有广泛使用的移动银行应用程序。该银行拥有一支庞大的数据科学家和工程师团队,他们致力于部署机器学习模型以改善银行运营的各个方面。然而,部署这些模型的过程缓慢而低效,通常需要数月才能完成。这主要是因为数据科学团队严重依赖工程部门来测试、部署或升级模型。
解决方案
Capital One 部署了 Seldon Core,使用基于 ML 的实时决策创建“模型即服务”(MaaS) 平台。该平台旨在为开发人员完成打包和容器化模型的繁重工作。它构成了许多内部应用程序、功能、模型和规则的构建块,并允许数据科学家、分析师和工程团队高效协作。通过实现模型部署操作化,数据科学家可以部署并安全地测试他们的模型,而不会给技术工程团队带来负担。Seldon 的组件允许团队将各种 ML 模型包装到容器中,然后将所有内容组合在一起以表示可以无缝部署到其平台中的服务图。整个应用程序围绕着一项服务进行包装,该服务经过他们的 CI/CD 流程,以确保 Capital One 作为一个组织满足版本控制、注册、测试和治理要求。
运营影响
  • The deployment of Seldon Core significantly reduced the time it took to deploy machine learning models, from months to minutes.
  • The data science team was able to test, update, and deploy models far quicker.
  • The process of versioning, vulnerability scanning, containerizing, deployment, testing, and promoting to production is all taken care of in this rapid process.
数量效益
  • Reduced model deployment time from months to minutes.
  • Increased efficiency in the data science team.
  • Improved collaboration between data scientists, analysts, and engineering groups.

相关案例.

联系我们

欢迎与我们交流!

* Required
* Required
* Required
* Invalid email address
提交此表单,即表示您同意 IoT ONE 可以与您联系并分享洞察和营销信息。
不,谢谢,我不想收到来自 IoT ONE 的任何营销电子邮件。
提交

Thank you for your message!
We will contact you soon.