Dziękujemy za wysłanie zapytania! Jeden z członków naszego zespołu skontaktuje się z Państwem wkrótce.
Dziękujemy za wysłanie rezerwacji! Jeden z członków naszego zespołu skontaktuje się z Państwem wkrótce.
Plan Szkolenia
Wprowadzenie do ML w usługach finansowych
- Przegląd typowych przypadków zastosowania ML w finansach
- Korzyści i wyzwania ML w regulowanych branżach
- Przegląd ekosystemu Azure Databricks
Przygotowywanie danych finansowych do ML
- Wczytywanie danych z Azure Data Lake lub baz danych
- Czyszczenie danych, inżynieria cech i transformacja
- EDA (exploratory data analysis) w notebookach
Uczenie i ewaluacja modeli ML
- Dzielenie danych i wybór algorytmów ML
- Uczenie modeli regresji i klasyfikacji
- Ewaluacja wydajności modelu przy użyciu metryk finansowych
Zarządzanie modelem z MLflow
- Śledzenie eksperymentów za pomocą parametrów i metryk
- Zapisywanie, rejestrowanie i wersjonowanie modeli
- Reprodukowalność i porównanie wyników modelu
Wdrażanie i serwowanie modeli ML
- Pakowanie modeli dla batch lub real-time inferencji
- Serwowanie modeli poprzez REST APIs lub Azure ML endpoints
- Integracja predykcji z pulpitem finansowym lub alertami
Monitorowanie i ponowne treningi potoków
- Zaplanowywanie okresowego ponownego uczenia modelu przy użyciu nowych danych
- Monitorowanie dryfu danych i dokładności modelu
- Automatyzacja end-to-end workflow z Databricks Jobs
Przebieg przypadku zastosowania: Ocena ryzyka finansowego
- Budowanie modelu oceny ryzyka dla wniosków o kredyty lub pożyczki
- Wyjaśnianie predykcji dla przejrzystości i zgodności
- Wdrażanie i testowanie modelu w kontrolowanym środowisku
Podsumowanie i kolejne kroki
Wymagania
- Zrozumienie podstawowych koncepcji machine learning
- Doświadczenie w Pythonie i analizie danych
- Znajomość finansowych zestawów danych lub raportowania
Odbiorcy
- Data scientists i inżynierowie ML w sektorze finansowym
- Analiza danych przechodząca na role ML
- Profesjonaliści techniczni implementujący predykcyjne rozwiązania w finansach
7 godzin
