Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
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