感谢您发送咨询！我们的团队成员将很快与您联系。
感谢您发送预订！我们的团队成员将很快与您联系。
课程大纲
金融服务中的机器学习介绍
- 常见金融机器学习用例概述
- 机器学习在受监管行业中的优势与挑战
- Azure Databricks 生态系统概述
准备用于机器学习的金融数据
- 从 Azure Data Lake 或数据库中摄取数据
- 数据清洗、特征工程与转换
- 在笔记本中进行探索性数据分析 (EDA)
训练与评估机器学习模型
- 数据分割与机器学习算法选择
- 训练回归与分类模型
- 使用金融指标评估模型性能
使用 MLflow 进行模型 Management
- 使用参数与指标追踪实验
- 保存、注册与版本控制模型
- 模型结果的可重现性与比较
部署与提供机器学习模型
- 打包模型以进行批量或实时推理
- 通过 REST API 或 Azure ML 端点提供模型
- 将预测整合到财务仪表板或警报中
监控与重新训练管道
- 使用新数据安排定期模型重新训练
- 监控数据漂移与模型准确性
- 使用 Databricks Jobs 自动化端到端工作流程
Use Case 演练：金融风险评分
- 为贷款或信贷申请构建风险评分模型
- 解释预测以提高透明度与合规性
- 在受控环境中部署与测试模型
总结与下一步
要求
- 对基本机器学习概念的理解
- 具备Python和数据分析的经验
- 熟悉财务数据集或报告
目标受众
- 金融服务领域的数据科学家和ML工程师
- 正在转型为ML角色的数据分析师
- 在金融领域实施预测解决方案的技术专业人员
7 小时
