Machine Learning s Azure Databricks pro sektor financí Počítačový Kurz

Úvod do ML ve finančnictví

• Přehled běžných use case ML ve financích
• Výhody a výzvy ML v regulovaných odvětvích
• Přehled ekosystému Azure Databricks

Příprava finančních dat pro ML

• Nastavování dat z Azure Data Lake nebo databází
• Čištění dat, inženýrství znaků (feature engineering) a transformace
• Explorativní analýza dat (EDA) v notebookách

Trénování a evaluace ML modelů

• Rozdělení dat a výběr algoritmů ML
• Trénování regresních a klasifikačních modelů
• Evalvací výkonnosti modelu pomocí finančních metrik

Správa modelů s MLflow

• Sledování experimentů s parametry a metrikami
• Ukládání, registrace a verzování modelů
• Reproducibility a porovnávání výsledků modelů

Nasazení a servírování ML modelů

• Balíkování modelů pro batch nebo reálný čas (real-time inference)
• Servírování modelů přes REST API nebo endpointy Azure ML
• Integrace predikcí do finančních dashboardů nebo alertů

Monitorování a retraining pipeline

• Plánování pravidelného retrainingu modelů pomocí nových dat
• Monitorování driftu dat a přesnosti modelu
• Automatizace end-to-end workflow pomocí Databricks Jobs

Náběh use case: Hodnocení finančního rizika

• Stavba modelu skóre rizika pro úvěry nebo úvěrové aplikace
• Vysvětlování predikcí pro transparentnost a soulad s předpisy (compliance)
• Nasazení a testování modelu v kontrolovaném prostředí