позволяет повысить точность ML-моделей
Продукт Guardora VFL на основе технологии федеративного обучения позволяет повысить точность ML-моделей за счет их обучения на ранее недоступных данных внешних компаний таким образом, что данные не покидают защищенного контура владельца данных.
В результате компания, использующая Guardora VFL, получает дополнительную выручку за счет применения в своей деятельности моделей с большей предсказательной силой.
Продукт ориентирован на работу с табличными данными.
Ознакомьтесь с документацией к Guardora VFL API.
Приватное облако в Яндекс Маркетплейс или on-premise лицензия
Быстрый старт для организаций с данными в Яндекс Облаке. Масштабируемое и удобное управление между пользователями
Лицензирование + стоимость ресурсов Яндекс
Приватное облако с полным контролем данных у клиента
Легко масштабируется в рамках облачной инфраструктуры
Обеспечивается штатными средствамиот Яндекс Облака
В рамках облачного ресурса без доступа третьих лиц к данным
Гибкость в обновлении, поднятии новых инстансов через сервисы Яндекс Облака
Вариант для организаций, которые не взаимодействуют с Яндекс Облаком и хотят иметь больше контроля при взаимодействии с данными
Лицензирование + стоимость внутренних ресурсов на интеграцию и поддержку
Интеграция во внутреннюю инфраструктуру заказчика
В рамках внутренней инфраструктуры клиента
Организация сама выстраивает необходимый уровень безопасности
Полный контроль в рамках периметра за данными и процессами
Заказчик сам выполняет обновления из репозиториев и необходимые работы
Синхронизация датасетов (Private Set Intersection, PSI), обучение, валидация, инференс (с гомоморфным шифрованием)
Синхронизация датасетов (Private Set Intersection, PSI), обучение, валидация, инференс (с гомоморфным шифрованием)
Способ получения таблицы данных (например, csv-файл, sql-соединение к БД). Реализуется клиентом.
Гомоморфное шифрование.
Способ получения таблицы данных (например, csv-файл, sql-соединение к БД). Реализуется клиентом.
Требуется для высоконагруженного инференса >300 RPS
Требуется для высоконагруженного инференса >300 RPS
Синхронизация датасетов (Private Set Intersection, PSI), обучение, валидация, инференс (с гомоморфным шифрованием)
Синхронизация датасетов (Private Set Intersection, PSI), обучение, валидация, инференс (с гомоморфным шифрованием)
Способ получения таблицы данных (например, csv-файл, sql-соединение к БД). Реализуется клиентом.
Способ получения таблицы данных (например, csv-файл, sql-соединение к БД). Реализуется клиентом.
Гомоморфное шифрование.
Требуется для высоконагруженного инференса >300 RPS.
Требуется для высоконагруженного инференса >300 RPS.
Интересанты
Бюро кредитных историй, скоринг-провайдеры, банки, страховые компании, МФО, платежные системы, телекомы
Интересанты
скоринг-провайдеры
Интересанты
финтех компании в рамках группы компаний
Интересанты
B2B Saas компании, клиенты которых обрабатывают персональные данные
Guardora VFL позволяет обучать ML-модели на данных нескольких компаний, сохраняя при этом конфиденциальность данных каждой из них. На примере модели расчета кредитного скоринга это значит, что:
При улучшении GINI скоринговой модели компания-клиент получает дополнительную выручку благодаря более точной сегментации клиентов, снижению дефолтов и оптимизации кредитных решений.
На основе описанного эффекта Guardora предлагает транзакционную модель лицензирования с постоплатой со следующими параметрами:
Снижение уровня просроченной задолженности и увеличение объема кредитования за счет более точного скоринга
Оптимизация кредитных портфелей и повышение маржинальности за счет улучшенного управления рисками
Улучшение андеррайтинговых решений за счет точного расчета рисков
Увеличение количества обращений и повышение стоимости продукта благодаря повышению точности скоринговой модели
Чтобы протестировать демо версию продукта и узнать ценовые условия, заполните форму и мы свяжемся с вами
