Автоматизированная система для улучшения процесса выдачи кредитов в банке с помощью машинного обучения.
Целью проекта является увеличение скорости и точности принятия решений о выдаче кредитов, что позволит снизить риски и нагрузку на андеррайтеров. Основным критерием успеха является достижение разделяющей способности модели, превосходящей андеррайтера(>=40 GINI), чтобы предотвратить невозврат кредитов от ненадежных заемщиков.
Перед использованием или развертыванием сервиса необходимо установить зависимости проекта. Для этого в командной строке введите следующую команды:
pip install poetry
poetry install
Также необходимо установить pre-commit hooks:
poetry run pre-commit install
- Сначала создаем докер образ
sudo docker build -t streamlit .
- Запускаем приложение
sudo docker run -p 8501:8501 streamlit
Нагрузочное тестирование сервиса было выполнена с помощью фреймворка Locust
# запускаем locust
poetry run locust -f ./tests/locust_test.py
и переходим на веб-интерфейс по адресу http://0.0.0.0:8089
Задаем параметры тестирование 1000 (максимальное количество пользователей в секунду) и 10 (шаг увеличение) и адрес нашего сервиса
Критическая точка нашего сервера составляет ~ 125 одновременных пользователей html-отчет
- Дмитрий Несмеянов (tg: @smeyanof)
- Ринат Махмутов (tg: @talverinat)
- Юрий Ким (tg: @yuki_53)
- Белоусов Евгений (tg: @ble98)
Список доступных сервисов