Kada korisnik postane signal: AI u upravljanju rizikom
U industriji klađenja, rizik ne dolazi samo iz modela za formiranje kvota – dolazi i od samih korisnika. Neki igrači prate greške u tržištu, neki brzo reaguju na promene kvota, a neki dugoročno ostvaruju sistematsku prednost. Pitanje je: da li tvoj sistem to prepoznaje na vreme?
U ovoj sesiji pokazaću kako pristupamo detekciji rizičnih korisnika kroz AI i feature engineering. Krenućemo od definisanja šta zapravo znači „opasan“ korisnik, zatim ćemo proći kroz dizajn behavioral feature-a (temporalni obrasci, value-seeking indikatori, stabilnost strategije), izbor modela i izazove u produkciji, od concept drift-a do interpretabilnosti i regulatornih zahteva.
Jer u realnom okruženju, korisnik nije samo klijent.
Korisnik je signal. A način na koji taj signal modeliramo direktno utiče na upravljanje rizikom i dugoročnu održivost poslovanja.
Korisnik je signal. A način na koji taj signal modeliramo direktno utiče na upravljanje rizikom i dugoročnu održivost poslovanja.
O Predavaču
Dr Marina Šulc karijeru započinje kao asistent i doktorand na Fakultetu tehničkih nauka u Novom Sadu, gde je i završila doktorske studije matematike na temu digitalne obrade slike. Nakon akademske karijere prelazi u industriju, najpre na poziciju Data Scientista, a potom kao Quant u kompaniji Entain, gde se bavi naprednim metodama modeliranja sportova, optimizacijom i razvojem matematičkih modela koji se oslanjaju na savremene AI i ML tehnike.
Autorka je i koautorka više naučnih radova iz oblasti primenjene matematike, a rezultate istraživanja izlagala je na brojnim domaćim i međunarodnim naučnim konferencijama.