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
金融服務中機器學習的介紹
- 常見金融 ML 用例概覽
- 受監管行業中 ML 的益處與挑戰
- Azure Databricks 生態系統概覽
為 ML 準備金融數據
- 從 Azure Data Lake 或資料庫攝取數據
- 數據清理、特徵工程和轉換
- 在筆記本中進行探索性數據分析 (EDA)
訓練和評估 ML 模型
- 分割數據並選擇 ML 演算法
- 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
- 追蹤具有參數和指標的實驗
- 保存、註冊和版本控制模型
- 模型結果的可重現性和比較
部署和服務化 ML 模型
- 打包模型以進行批次或實時推理
- 透過 REST API 或 Azure ML 端點提供服務
- 將預測整合到金融儀表板或警報中
監控和重新訓練流程
- 使用新數據排程定期的模型重新訓練
- 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程
用例 walkthrough:金融風險評分
- 為貸款或信用申請構建風險評分模型
- 解釋預測結果以確保透明度和合規性
- 在受控環境中部署和測試模型
總結與下一步
最低要求
- 對基本機器學習概念的瞭解
- 具備 Python 和數據分析經驗
- 熟悉金融數據集或報告流程
受眾
- 金融服務領域的數據科學家和 ML 工程師
- 轉向 ML 職位的數據分析師
- 在金融領域實施預測解決方案的技術專業人員
7 小時