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。
課程時長 7 時間：
課程簡介
金融服務中的機器學習入門
- 常見金融機器學習應用場景概覽
- 受監管行業中機器學習的優勢與挑戰
- Azure Databricks 生態系統概覽
為機器學習準備金融數據
- 從 Azure Data Lake 或數據庫導入數據
- 數據清理、特徵工程和轉換
- 在 Notebook 中進行探索性數據分析（EDA）
訓練和評估機器學習模型
- 數據劃分和機器學習算法選擇
- 訓練回歸和分類模型
- 使用金融指標評估模型性能
使用 MLflow 進行模型管理
- 追蹤帶有參數和指標的實驗
- 保存、註冊和版本化模型
- 模型結果的可復現性和比較
部署和服務機器學習模型
- 將模型打包以便進行批量或實時推理
- 通過 REST API 或 Azure ML 端點提供模型服務
- 將預測結果整合到金融儀表板或警報中
監控和重訓練管道
- 使用新數據定期安排模型重訓練
- 監控數據漂移和模型準確性
- 使用 Databricks Jobs 自動化端到端工作流
應用案例解析：金融風險評分
- 為貸款或信貸申請構建風險評分模型
- 為透明度和合規性解釋預測結果
- 在受控環境中部署和測試模型
最低要求
- 理解基本的機器學習概念
- 具有 Python 和數據分析經驗
- 熟悉金融數據集或報告
目標受眾
- 金融服務行業的數據科學家和機器學習工程師
- 轉型為機器學習職位的數據分析師
- 在金融領域實施預測性解決方案的技術專業人員
