Takk for at du sendte din henvendelse! En av våre teammedlemmer vil kontakte deg straks.
Takk for at du sendte din bestilling! En av våre teammedlemmer vil kontakte deg straks.
Kursplan
Introduksjon til ML i finansielle tjenester
- Oversikt over vanlige finansielle ML-brukssaker
- Fordeler og utfordringer med ML i regulerede industrier
- Oversikt over Azure Databricks-økosystemet
Forberedelse av finansielle data for ML
- Innlasting av data fra Azure Data Lake eller databaser
- Datarensning, funksjonsingeniøring og transformasjon
- Explorative dataanalyse (EDA) i notiser
Trening og evaluering av ML-modeller
- Deling av data og valg av ML-algoritmer
- Trening av regresjons- og klassifiseringsmodeller
- Evaluering av modellprestasjoner med finansielle metrikker
Modelladministrasjon med MLflow
- Sporing av eksperimenter med parametere og metrikker
- Lagring, registrering og versjonsstyring av modeller
- Reproducerbarhet og sammenligning av modellresultater
Distribusjon og drift av ML-modeller
- Pakking av modeller for batch- eller realtidsinferens
- Drift av modeller via REST-APIer eller Azure ML-sluttpunkter
- Integrering av prediksjoner i finanskonsoller eller varslinger
Overvåking og retrening av pipeliner
- Planlegging for regelmessig modellretrening med nye data
- Overvåking av datadrift og modellnøyaktighet
- Automatisering av end-to-end-arbeidsflyter med Databricks Jobs
Brukssaksgjennomgang: Finansiell risikovurdering
- Bygging av en risikovurderingsmodell for lån- eller kredittsøknader
- Forklaring av prediksjoner for gjenstandsskaper og overholdelse av regler
- Drift og testing av modellen i et kontrollert miljø
Oppsummering og neste skritt
Krav
- Et grunnleggende forståelse av maskinlæringskonsepter
- Erfaring med Python og dataanalyse
- Kjennskap til finansielle datasett eller rapportering
Målgruppe
- Datascientister og ML-ingeniører i finansielle tjenester
- Dataanalytikere som overgår til ML-roller
- Teknologiprofesjonelle som implementerer prediktive løsninger i finanssektoren
7 Timer
