感謝您提交詢問!我們的一位團隊成員將在短時間內與您聯繫。
感謝您提交預訂!我們的一位團隊成員將在短時間內與您聯繫。
課程簡介
金融服務中的機器學習介紹
- 常見金融機器學習用例概述
- 機器學習在受監管行業中的優勢與挑戰
- Azure Databricks 生態系統概述
準備用於機器學習的金融數據
- 從 Azure Data Lake 或數據庫中攝取數據
- 數據清洗、特徵工程與轉換
- 在筆記本中進行探索性數據分析 (EDA)
訓練與評估機器學習模型
- 數據分割與機器學習算法選擇
- 訓練回歸與分類模型
- 使用金融指標評估模型性能
使用 MLflow 進行模型 Management
- 使用參數與指標追蹤實驗
- 保存、註冊與版本控制模型
- 模型結果的可重現性與比較
部署與提供機器學習模型
- 打包模型以進行批量或實時推理
- 通過 REST API 或 Azure ML 端點提供模型
- 將預測整合到財務儀表板或警報中
監控與重新訓練管道
- 使用新數據安排定期模型重新訓練
- 監控數據漂移與模型準確性
- 使用 Databricks Jobs 自動化端到端工作流程
Use Case 演練:金融風險評分
- 為貸款或信貸申請構建風險評分模型
- 解釋預測以提高透明度與合規性
- 在受控環境中部署與測試模型
總結與下一步
最低要求
- 對基本機器學習概念的理解
- 具備Python和數據分析的經驗
- 熟悉財務數據集或報告
目標受眾
- 金融服務領域的數據科學家和ML工程師
- 正在轉型為ML角色的數據分析師
- 在金融領域實施預測解決方案的技術專業人員
7 時間: