Insurance webinar jp ver 1.1
This presentation was made on May 29, 2020 in Japanese. Video recording of the presentation can be viewed here: https://youtu.be/jNWj07P1sK0 注：このウェビナーは日本語で実施されます。 保険業界では、人工知能（AI）の採用が急速に進んでいます。この業界は複雑ですが、そのすべての面でデジタルトランフォーメーションによる変革が見られます。 この業界は常に、市場と商品の多様化を経験しています。この業界でのデジタルトランスフォーメーションは必然と言えます。その改革の実現に向けて、さまざまな保険会社が、新たなビジネスを獲得と、既存の業務プロセスからの時間削減・コスト削減をもたらすAI変革に乗り出しました。 この講演では、保険業界でのエンタープライズAIソリューションの使用例について説明します。課題、動機、ツールの選択プロセスについて説明し、ソリューション開発の概要について説明します。 ---------------------------------------------------------------------------- The insurance industry is adopting artificial intelligence (AI) at a fast rate. This industry is complex but has seen constant digital transformation across all of its facets. The industry is continuously experiencing diversification in the markets and insurance products. The digital transformation is an absolute requirement here. As enabler of the transformation, insurance companies have embarked on an AI transformation that is capturing new business as well as taking costs and time out of existing business processes. This talk will walk through a use case for enterprise AI solutions within the insurance sector. We will discuss the challenges, motivation, and tool selection process, then cover the overall solution development.
Empfohlen
Empfohlen
Weitere ähnliche Inhalte
Mehr von Sri Ambati
Mehr von Sri Ambati (20)
Insurance webinar jp ver 1.1
- 2. Confidential2 Confidential2 本日のサマリ H2O.aiを使用し、 H2O.aiは、AIの民主化をミッションとするAIマシンラーニングにおけるオープンソースリーダー 生命保険業界 損害保険業界 H2O Driverless AI: マシンラーニング自動化ツールを使って、あらゆる企業が自社のAIを作成 ミッション どうする? 何を使って? AIを構築する事で、時間・コストの削減や競争力、売上向上、新製品発表、商談の創造を実現 どうやって? (コンセプト: Bring your own recipes) レシピという当社Kaggle Grandmasterが作成したビジネスの多様な要件に合 わせたAIに必要な150+のプログラム組合せ集(ライブラリ) あらゆる企業がAI企業にスローガン 不正利用検知 支払査定 マーケティング など
- 5. Confidential5 創立: Silicon Valley 2012 資金調達: $147M | Series D 投資家: Goldman Sachs, Ping An, Wells Fargo, NVIDIA, Nexus Ventures 会社概要 製品 拠点 H2O Open Source Machine Learning H2O Driverless AI: 機械学習自動化 H2O Q: ビジネスユーザー向けAIプラットフォーム Mountain View, NYC, London, Paris, Ottawa, Prague, India, Singapore, Tokyo 220+ 1K 20K 180K 学術機関 H2O Open Source ご利用の企業 ユーザー会 AI エキスパート H2O.ai 会社概要
- 6. Confidential6 Confidential6 • 特徴量自動生成及びマシンラーニングと解 釈可能性 (説明性) • データ取込みからデプロイメントまでのマシン ラーニングモデル作成のプロセス自動化 • ユーザー サブスクリプション • GUIインターフェースのend-to-end データサイエンス プラットフォーム • データプリパレーション • データ拡張 (教師なし学習) • データの可視化 • 目的別アルゴリズムApp Store • シンプル、直感的なビジネスユー ザー プラットフォーム H2O.ai: AI プラットフォーム H2O Driverless AI H2O Q まもなく販売開始 H2O Model Ops 今期販売開始予定 • AI デプロイメント プラットフォーム (DevOps & MLOps) • モデルスコアリング遅延時間低減 • AI モデルモニタリング • データドリフト検出、再学習 ModelOps
- 9. Confidential9 モデル最適化の自動実行 自分のAIを開発：BYOR モデル・レシピ • 独立同分布 • 時系列 • 自然言語処理 高度な特徴量の エンジニアリング アルゴリズム モデル チューニング+ + フィットモデルの選択 課題 • 目的別のユースケースへのカスタマイズ – アルゴリズム、特徴量エンジニアリング、スコアラーを加えることが 必要 • 既存の知的財産を活用（非公開ロジック） • AIはイノベーションが速く、ベンダーによる実装を待てない 解決策 • モジュール化され拡張性ある機械学習の最適化 • AIのAppストア – オープンソースのカタログ(150+) – 非公開ロジックの活用 • 最新の機械学習テクニックとの統合 データ変換 アルゴリズム スコアラー
- 11. Confidential11 Model Training Scoring スコアリング パイプライン MOJO Smartphone Watch Factory T-Shirt Engine Predictive Maintenance ダイレクトにプラグイン IoT 再学習 モデル作成からデプロイメントまで Data ロード AutoML 開始 モデル作成 モデルデプロイメント 管理・監視 *Model Opps 利用時 Model Deployment
- 12. Confidential12 AI自動化による アドバンテージ H2O Driverless AI Talent ビジネスの拡張 回答スピード向上 データサイエンスチームの増強 • より迅速なAIモデルの作成 • 時間の削減 • 環境適用への準備：時間 vs 月 • より高い精度の新しいAIモデルの作成 • 既存のAIモデルとの精度におけるベンチマーク • あらゆる業務にデータサイエンティストが関わりを持つ • 適用業務の拡張 • 新たなビジネスニーズの発生と回答 • ビジネス横断で成果 AIの拡張 生産性向上 AIモデルの改善
- 14. Confidential14 保険業界のAIユースケース • サイバーセキュリティ • DoS攻撃検知及び対策 • 自動分類 ITインフラ • 不正請求 • 共謀詐欺 • 支払業務の自動化 • 統計的異常検出 支払査定業務 • 保険料率管理 • 顧客離脱予測 • 支払遅延予測 • リアルタイム顧客ターゲティング • 顧客とのマッチング • 商品の組合せ 業務 / 営業 引受査定業務 • 支払傾向 • リスクスコアリング • 本人確認手続き (KYC)
- 16. デモ 04 支払査定業務
- 17. デモ： 保険金請求審査の効率化 1 7 BNP Paribas Cardifは、世界的な保険会社であり、プロセスのデジタル化を推進している。 保険金請求への対応の迅速化が顧客満足度を高く維持する上で、重要であると認識している。 保険金請求審査・対応プロセス（Claims Management)に機械学習のプロセスを組み込み、 業務プロセスの高速化、業務負荷軽減を図る。
- 19. デモ： 保険金請求審査の効率化 1 9 特徴量設計： Bring your own Recipe (BYOR)により特徴量設計の機能を拡張 BYOR： Pythonプログラムにより機能追加github に豊富にサンプルを公開 https://github.com/h2oai/driverlessai- recipes テンプレートに沿って開発 本デモでは、数値変換、外れ値処理を追加
- 21. デモ： 保険金請求審査の効率化 2 1 精度： F1値（0.8741)、AUC 0.77を達成 テストデータに対しての混同行列を表示 F1は再現率と適合率の調和平均を算出 過学習を回避し、頑健性を維持
- 23. デモ： 保険金請求審査の効率化 2 3 特徴量の重要度： 予測モデル内の重要度が高い特徴量を出力 交差検証ターゲットエンコーディング、Weight of Evidenceなどが上位に位置 BYORにより追加された特徴量も選択された
- 25. デモ： 保険金請求審査の効率化 2 5 MLI： Adverse Impact Analysisを表示
- 26. Confidential26 デモ： 保険金請求審査 – まとめ 2 6 多くの入力変数への対応 特徴量設計の自動化 BYORによる機能拡張 特徴量の重要度の出力 モデル作成の自動化 業務ニーズ・予測ニーズに対応したスコアラーの適用 業務ニーズ・予測ニーズに対応した閾値の探索
- 28. 企業における機械学習ワークフロー モデル 定義 ソリューション 定義 データ取得 データ準備 特徴量設計 モデル選択 モデル学習 モデル確定 モデル検証 モデル パッケージング モデル デプロイメント モデル管理 6 機械学習システムの隠れた技術負荷
- 29. 企業における機械学習ワークフロー モデル 定義 ソリューション 定義 データ取得 データ準備 特徴量設計 モデル選択 モデル学習 モデル確定 モデル検証 モデル パッケージング モデル デプロイメント モデル管理 部分的な自動化 完全に自動化 完全に自動化かつ拡張性あり
- 30. SQL Local Amazon S3 HDFS X Y スコアリング パイプライン 機会学習の解釈可能性 低レイテンシーの実 行モジュール をデプロイ モデル作成 データセット モデルレシピ: • 分類／回帰 • 独立同分布化 • 時系列 • 自然言語処理 特徴量設計 アルゴリズム モデルチューニング+ + 高精度モデルを作成 機械学習の自動処理 データの形容、外れ値、 欠損値、等を理解 GPUアクセラレーションによる高速処理 1 データをドラッグ ＆ドロップ 2 可視化の自動処理 ベスト・プラクティスなモデル と高性能コンピューティングに より、特徴量抽出とパラメータ 試行を含む数千のモデルを繰り 返し作成 3 機械学習の自動処理 特徴量変換処理を含むモデルのス コアリングパイプラインを作成、 レイテンシーの低い実行モジュー ルをPython、Javaで作成 4 スコアリングパイプライン の自動作成 クラウド、ビッグ データ・システム、 パソコンから入力 Google BigQuery Azure Blog Storage Snowflake モデルドキュメント の自動作成 Driverless AI – その動き 5 BYOR+
- 31. H2O Driverless AIの主な機能 1. AutoML 2. 特徴量設計の自動実行 3. Bring-Your-Own Recipes 4. 時系列 5. TensorFlowによる自然言語処理 6. 機会学習解釈可能性 (MLI) 7. 自動的な可視化 8. GPU アクセラレーション 9. スコアリング・パイプラインの自動生成 10.データソースと稼動環境・デプロイの柔軟性
- 32. 次のステップ 06 AIの道筋
- 35. Confidential35 Driverless AIは企業にAIを提供する 時間 洞察を得るまでの時間 人材 Kaggle Grandmasters Top 10 データサイエンス・ エキスパート 機械学習のGPU処理 パイプラインの自動生成 数ヶ月が 数時間に 信頼 説明性と透明性 MLI Auto Doc Auto Visualization
- 36. • H2Oウェブサイト： www.h2O.ai • トライアル：21-day trial • チュートリアル：tutorial • ミートアップ：meetup • ウェビナー：webinar • リンクドイン：LinkedIn • Twitter @h2oai 情報源（次のステップ）