Redmine

經訓練確認參數、準確度後。更新lib/模型檔或參數的AI model。
gitlab: https://gitlab-cloud.hitrustai.com/veri-id-sit/ai-model

目前上線模型:

• account-takeover-predict
• fraud-detect-predict
• card-abnormal-predict
• card-testing-predict

用來在W7學習系統取得真實資料訓練的AI model。透過CI/CD訓練後，在grafana報表確認訓練結果及準確度。
模型訓練分:

veri-id-sit gitlab: https://gitlab-cloud.hitrustai.com/veri-id-sit/ai-model-train
model train: /home/ai/ai-model-train/nfs/veriid/output/{model_name}/{timestamp}
momo-veriid gitlab: https://gitlab-cloud.hitrustai.com/momo-veriid/ai-model-train...

中國建設銀行專案
gitlab: https://gitlab-cloud.hitrustai.com/ccb-veriid/ai-model

MOMO報表: http://192.168.10.203:3000/
DEV報表: https://new-gfn.veri-id-dev.com/
SIT報表: https://new-gfn.veri-id-sit.com//
UAT報表: https://gfn.veri-id-uat.com/
PRD報表: https://new-gfn.veri-id-prd.com/

AI模型訓練的學習系統架構，分FLDS(上傳到S3)、DLDS(從S3下載)
Gitlab: https://gitlab-cloud.hitrustai.com/learning-system
Gitlab資料: https://gitlab-cloud.hitrustai.com/veri-id-sit/document/-/tree/main/AI-Services/Model-Training

MOMO專案包含後端架構開發、微服務、模型開發及其他MOMO議題
gitlab: https://gitlab-cloud.hitrustai.com/momo-veriid

SEA專案
gitlab: https://gitlab-cloud.hitrustai.com/sea-acs-veriid

Veri-id : Java 模組

• 雲端架構：AWS - K8S (MIX / PRD)
• 地端架構：工作站 W6 為K8S主節點（有kubectl工具包），W2,W4,W8 為從節點 (DEV)
• Momo架構: 地端 K8S (SIT / UAT)

研究規劃、專案管理、跨部門合作、業務推動等