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。
课程时长 7 小时
课程大纲
金融服务中的ML简介
- 常见金融ML用例概述
- 受监管行业中ML的益处与挑战
- Azure Databricks生态系统概述
为ML准备金融数据
- 从Azure Data Lake或数据库导入数据
- 数据清洗、特征工程和转换
- 在笔记本中进行探索性数据分析（EDA）
训练和评估ML模型
- 划分数据并选择ML算法
- 训练回归和分类模型
- 使用金融指标评估模型性能
使用MLflow进行模型管理
- 使用参数和指标跟踪实验
- 保存、注册和版本化模型
- 模型结果的可复现性和比较
部署和服务ML模型
- 为批处理或实时推理打包模型
- 通过REST API或Azure ML端点提供服务
- 将预测集成到金融仪表板或警报中
监控和重新训练管道
- 使用新数据安排定期模型重新训练
- 监控数据漂移和模型准确性
- 使用Databricks Jobs自动化端到端工作流
用例演练：金融风险评分
- 为贷款或信用申请构建风险评分模型
- 解释预测以实现透明度和合规性
- 在受控环境中部署和测试模型
要求
- 了解基本机器学习概念
- 具备Python和数据分析经验
- 熟悉金融数据集或报告
目标学员
- 金融服务领域的数据科学家和ML工程师
- 转型为ML角色的数据分析师
- 在金融领域实施预测性解决方案的技术专业人士
