Przemysław mainly supports pre and post-sales activities in financial risk management (risk modeling and decisioning, asset pricing, simulation, regulatory compliance), including 'modern' topics like climate risk-related credit risk modeling and stress testing. He is also actively engaged in promoting SAS by organizing webinars, and surveys, and delivering content for client-centric SAS knowledge centers.
Jakość danych syntetycznych zależy przede wszystkim od jakości modelu, który je wygenerował, oraz – rzecz jasna – reprezentatywności i jakości danych pierwotnych. O ile ta druga kwestia, jako dobrze znana każdemu analitykowi danych, nie wymaga dalszego komentarza, o tyle kwestii jakości modelu warto poświęcić dodatkową uwagę. Rysunek 1. Procedura
Platforma SAS® Viya® oferuje wiele algorytmów klasy uczenia maszynowego (machine learning, ML) czy sztucznej inteligencji (artificial intelligence, AI) do trenowania modeli predykcyjnych (klasyfikacyjnych itp.), takich jak lasy losowe (random forest) czy wzmocnienia gradientowe (gradient boosting), jak również modele uczenia głębokiego (deep learning). Choć wielokrotnie potwierdziły one swoją przydatność w praktyce,
