Děkujeme za vaši dotaz! Jeden z našich pracovníků vás brzy kontaktuje.
Děkujeme za rezervaci! Jeden z našich pracovníků vás brzy kontaktuje.
Návrh Školení
Úvod do ML v finančních službách
- Přehled běžných finančních případů použití ML
- Výhody a výzvy ML v regulovaných odvětvích
- Azure Databricks přehled ekosystému
Příprava finančních dat pro ML
- Import dat ze Azure Data Lake nebo databází
- Vyčištění dat, inženýrství funkcí a transformace
- Průzkumná analýza dat (EDA) ve zápisnicích
Trénování a hodnocení ML modelů
- Rozdělení dat a výběr ML algoritmů
- Trénování regresních a klasifikačních modelů
- Hodnocení výkonu modelu finančními metrikami
Model Management s MLflow
- Sledování experimentů s parametry a metrikami
- Ukládání, registrování a verzovaní modelů
- Reprodukibilnost a porovnání výsledků modelů
Nasazování a poskytování ML modelů
- Balení modelů pro batch nebo real-time inferenci
- Poskytování modelů prostřednictvím REST API nebo Azure ML koncových bodů
- Integrace předpovědí do finančních nástrojů pro analýzu nebo upozornění
Monitorování a opakované trénování pipeline
- Plánování periodického opakového trénování modelu novými daty
- Monitorování datových odchylek a přesnosti modelů
- Automatizace koncových pracovních postupů pomocí Databricks Jobs
Use Case Provedení: Finanční hodnocení rizik
- Vytváření modelu pro hodnocení rizik úvěrových nebo kreditních žádostí
- Vysvětlení předpovědí pro transparentnost a soulad
- Nasazování a testování modelu v kontrolovaném prostředí
Shrnutí a další kroky
Požadavky
- Přehled základních konceptů strojového učení
- Zkušenosti s Python a analýzou dat
- znalost finančních datových sad nebo zpráv
Cílová skupina
- Data scientisti a inženýři ML v finančních službách
- Datoví analytičtí přecházející do rolí ML
- Technologické profesionálky implementující prediktivní řešení v finance
7 hodiny
