brunch

You can make anything
by writing

C.S.Lewis

by Master Seo Jul 18. 2023

16. AWS-금융-피플펀드-신용평가 MLOps 플랫폼

독자?

데이터 처리하는 엔지니어  - 데이터 처리 법이 잘 설명된다.

데이터 처리 자동화 하고자 하는 엔지니어 - 단계별 자동화법이 설명된다.

금융 보안 요구사항 확인하고자 하는 엔지니어 - AWS에서 설명된다.



<1>  머신러닝을 기반으로 한 신용 평가 피플펀드 RISE 시스템

<2>  MLops 자동화

<3>  규제 대응



<1>  머신러닝을 기반으로 한 신용 평가 피플펀드 RISE 시스템


1

대출 심사 시스템


2

현재 사용자에게 알맞은 대출 요건을 제공

부실 예측성 강화 -> 리스크 감소 -> 금리 인하 


3

모델 개발 2가지?

CSS - 신용 평가 시스템

 FDS - 사기 감지 시스템


4

초기 모델?


데이터 원천 소스로 가져온다.

원하는 학습과 분석을 세이즈 메이크  스튜디오에서 진행

결과 나오면 바로 모델에 엔드포인트를 등록하고 운영에 적용

결과를 확인



5

문제점?

데이터 사이언 테스트 - 학습과 테스트 한 내용이 반영되지 않음

데이터 전처리도 수동으로 처리

학습결과인 모델들도 관리가 힘들어짐

모델 운영 결과도 raw데이터로만 남아 있어 수동수집함.



6

목표?

빠른 변화- 높은 모델 정확도 유지

규제 대응 - 보안, 규정준수, 관리




<2>  MLops 자동화


데이터 전처리 자동화

모델 개발 및 재훈련 워크 플로우 자동화

모델 배포 자동화

모델 추론

모델 모니터링





<3>  규제 대응


1

AWS Control Tower  도입



2

네트워크 망분리?

AWS Direct Connect  및 VPN연결.



3

AWS PrivateLink   사용.

게이트웨이 엔드포인트  사용 - 내부 사용으로 트래픽 비용 발생 하지 않음.



4

TGW 사용



5

보안?

AWS Lake Formation 

KMS  암호화



6

결과?

낮은 연체율.

더 저렴해져 금리인하.

226만 원 이자 절감 효과.




다음자료

https://brunch.co.kr/@topasvga/3375


감사합니다.


매거진의 이전글 15. AWS-금융-교보 - 클라우드 마이그레이션
브런치는 최신 브라우저에 최적화 되어있습니다. IE chrome safari