Diese Präsentation wurde erfolgreich gemeldet.
Wir verwenden Ihre LinkedIn Profilangaben und Informationen zu Ihren Aktivitäten, um Anzeigen zu personalisieren und Ihnen relevantere Inhalte anzuzeigen. Sie können Ihre Anzeigeneinstellungen jederzeit ändern.
Jak dzięki Data Mining księgujemy
automatycznie koszty w inFakt.pl ?
Kraków, 20 października 2016
O mnie
Sebastian Bobrowski, CTO, co-founder inFakt.pl
O inFakt
InFakt.pl
• 3 produkty:
• program do faktur
• program do księgowości
• ogólnopolskie Biuro Rachunkowe
• 400 000 u...
Dlaczego AI?
Założenia
Księgowy ma bardzo powtarzalną pracę
Ludzie popełniają błędy
Szybkość księgowania
Założenia
Cele:
przyśpieszyć pracę księgowego
zautomatyzować
zmniejszyć ilość błędów
Założenia
Bazujemy na danych na fakturach (NIP)
Mamy kilka mln danych uczących
Machine Learning
4 klasyfikatowy:
Passive Aggressive
Perceptron
Stochastic Gradient Descent
Naive Bayes for multivariate B...
Machine Learning
Wyniki:
15% skuteczności
95% poprawności
Memory Base Model
XClassifier
Memory Base Model
Memory Base Model
Wyniki:
55% skuteczności
97,5% poprawności
Memory Base Model Błędy
10% - obie decyzje poprawne
15% błąd Xclassifier
75% błąd księgowego
Czego się nauczyłem?
Czego się nauczyłem
Dobranie cech jest kluczowe
Czego się nauczyłem
Prosta implementacja na początek
Czego się nauczyłem
Szybko na produkcji
Czego się nauczyłem
Ludzie się mylą częściej niż niedoskonały algorytm
Co dalej?
Model globalny - wyniki
Analiza tekstu
Model globalny - wyniki
Analiza PKD
Model globalny - wyniki
Szukanie anomalii (kwot, dat)
Open source
Open Source
infakt.com
Pytania?
Kontakt
Sebastian Bobrowski
CTO
e-mail: sebastian.bobrowski@infakt.pl
mobile.:+48 508 457 847
Nächste SlideShare
Wird geladen in …5
×

Jak dzieki Data Minning księgujemy automatycznie koszty w infakt

1.216 Aufrufe

Veröffentlicht am

Sebastian Bobrowski, AImeetup #2, 20.10.2016

Veröffentlicht in: Technologie
  • Als Erste(r) kommentieren

  • Gehören Sie zu den Ersten, denen das gefällt!

Jak dzieki Data Minning księgujemy automatycznie koszty w infakt

  1. 1. Jak dzięki Data Mining księgujemy automatycznie koszty w inFakt.pl ? Kraków, 20 października 2016
  2. 2. O mnie Sebastian Bobrowski, CTO, co-founder inFakt.pl
  3. 3. O inFakt InFakt.pl • 3 produkty: • program do faktur • program do księgowości • ogólnopolskie Biuro Rachunkowe • 400 000 użytkowników • 9 lat
  4. 4. Dlaczego AI?
  5. 5. Założenia Księgowy ma bardzo powtarzalną pracę Ludzie popełniają błędy Szybkość księgowania
  6. 6. Założenia Cele: przyśpieszyć pracę księgowego zautomatyzować zmniejszyć ilość błędów
  7. 7. Założenia Bazujemy na danych na fakturach (NIP) Mamy kilka mln danych uczących
  8. 8. Machine Learning 4 klasyfikatowy: Passive Aggressive Perceptron Stochastic Gradient Descent Naive Bayes for multivariate Bernoulli
  9. 9. Machine Learning Wyniki: 15% skuteczności 95% poprawności
  10. 10. Memory Base Model XClassifier Memory Base Model
  11. 11. Memory Base Model Wyniki: 55% skuteczności 97,5% poprawności
  12. 12. Memory Base Model Błędy 10% - obie decyzje poprawne 15% błąd Xclassifier 75% błąd księgowego
  13. 13. Czego się nauczyłem?
  14. 14. Czego się nauczyłem Dobranie cech jest kluczowe
  15. 15. Czego się nauczyłem Prosta implementacja na początek
  16. 16. Czego się nauczyłem Szybko na produkcji
  17. 17. Czego się nauczyłem Ludzie się mylą częściej niż niedoskonały algorytm
  18. 18. Co dalej?
  19. 19. Model globalny - wyniki Analiza tekstu
  20. 20. Model globalny - wyniki Analiza PKD
  21. 21. Model globalny - wyniki Szukanie anomalii (kwot, dat)
  22. 22. Open source Open Source
  23. 23. infakt.com
  24. 24. Pytania?
  25. 25. Kontakt Sebastian Bobrowski CTO e-mail: sebastian.bobrowski@infakt.pl mobile.:+48 508 457 847

×