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 powszechnych przypadków użycia ML w finansach
- Korzyści i wyzwania związane z ML w regulowanych branżach
- Przegląd ekosystemu Azure Databricks
Przygotowanie danych finansowych do ML
- Import danych z Azure Data Lake lub baz danych
- Czyście dane, inżynieria cech i transformacja
- Eksploracyjna analiza danych (EDA) w notesach
Trening i ocena modeli ML
- Podział danych i wybór algorytmów ML
- Trening modeli regresji i klasyfikacji
- Ocena wydajności modelu za pomocą metryk finansowych
Zarządzanie modelami Management z MLflow
- Śledzenie eksperymentów z parametrami i metrykami
- Zapisywanie, rejestrowanie i wersjonowanie modeli
- Powtarzalność i porównywanie wyników modeli
Wdrażanie i obsługa modeli ML
- Pakowanie modeli do inferencji w czasie rzeczywistym lub w partiach
- Serwowanie modeli za pomocą API REST lub punktów końcowych ML Azure
- Integracja przewidywań z dashboardami lub alertami finansowymi
Monitorowanie i retraining pipelinów
- Harmonogramowy retraining modeli z nowymi danymi
- Monitorowanie driftsu danych i dokładności modelu
- Automatyzacja procesów od końca do końca za pomocą Databricks Jobs
Przeprowadzenie Use Case: ocena ryzyka finansowego
- Budowanie modelu oceny ryzyka dla wniosków kredytowych lub pożyczkowych
- Wyjaśnianie przewidywań dla przejrzystości i zgodności
- Wdrażanie i testowanie modelu w kontrolowanym środowisku
Podsumowanie i następne kroki
Wymagania
- Zrozumienie podstawowych koncepcji uczenia maszynowego
- Doświadczenie z Python i analizą danych
- Znajomość zbiorów danych finansowych lub raportów
Grupa docelowa
- Naukowcy danych i inżynierowie ML w usługach finansowych
- Analitycy danych przechodzący na role ML
- Specjaliści technologiczni wdrażający rozwiązania predykcyjne w finansach
7 godzin
