RAG Financial Risk Assessment Download - RAG Financial Risk Assessment Code Source Download

RAG Financial Risk Assessment

Code Source AI

1.0.0

Télécharger

Outil d'évaluation des risques financiers à base de chiffon

Aperçu

L'outil d'évaluation des risques financiers basée sur les chiffons est conçu pour tirer parti des techniques de génération (RAG) de la récupération (RAG) pour évaluer les risques financiers à l'aide de modèles d'IA avancés. Ce projet vise à fournir des informations sur les données financières et à aider à l'évaluation des risques grâce à un pipeline automatisé.

Structure du projet

src/ : contient les fichiers de code source principaux.
- __init__.py : fichier d'initialisation pour le module src .
- retriever.py : implémente la récupération des données à l'aide d'un modèle Retriever.
- generator.py : implémente la génération de texte à l'aide d'un modèle de générateur.
- main.py : script principal pour exécuter le pipeline de chiffons.
- config.py : paramètres de configuration du projet.
- utils/ : fonctions et aides utilitaires.
  - data_processing.py : fonctions de traitement des données et de nettoyage.
  - model_utils.py : fonctions d'assistance pour les opérations du modèle.
  - logging_utils.py : fonctions de journalisation pour le débogage.
- tests/ : contient des tests d'unité et d'intégration.
  - test_retriever.py : tests unitaires pour le module Retriever.
  - test_generator.py : tests unitaires pour le module du générateur.
  - test_main.py : tests pour le pipeline principal.
- pipelines/ : Pipelines personnalisés pour les workflows complexes.
  - risk_assessment_pipeline.py : pipeline spécifique à l'évaluation des risques financiers.
data/ : stockage et gestion des données.
- ensembles de données raw/ : bruts.
- Données processed/ : traitées pour l'analyse.
Files de config/ de configuration.
- default_config.yaml : configuration générale du projet.
- logging_config.yaml : configuration de la journalisation.
- pipeline_config.yaml : configurations spécifiques au pipeline.
logs/ : journaux liés au projet.
notebooks/ : cahiers Jupyter pour l'expérimentation et l'analyse.
- RAG_pipeline_demo.ipynb : démonstration du pipeline de chiffon.
- EDA.ipynb : cahier d'analyse des données exploratoires (EDA).

Installation

Clone le référentiel:

git clone < repository_url >
cd RAG-Financial-Risk-Assessment

Créez un environnement virtuel et activez-le:

python -m venv venv
source venv/bin/activate  # On Windows use `venvScriptsactivate`

Installez les dépendances requises:
```
pip install -r requirements.txt
```
Configurer des variables d'environnement (si nécessaire):
```
 export OPENAI_API_KEY= < your_openai_api_key > 
```

Usage

Exécutez le pipeline de chiffon :
```
python src/main.py
```
Cela exécutera le pipeline de chiffons pour l'évaluation des risques financiers.
Cahier de démonstration :
Ouvrez et exécutez notebooks/RAG_pipeline_demo.ipynb dans un environnement de cahier Jupyter pour voir une démonstration du pipeline de chiffon.
Analyse des données exploratoires (EDA) :
Explorez l'ensemble de données et effectuez EDA à l'aide notebooks/EDA.ipynb .

Configuration

Les fichiers de configuration sont situés dans le répertoire config/ :

default_config.yaml : Paramètres généraux et configurations de modèle.
logging_config.yaml : Paramètres pour la journalisation et le débogage.
pipeline_config.yaml : configurations spécifiques pour le pipeline de chiffon.