Курс за обучение по Машинно обучение с Azure Databricks за финанси

Въведение в машинното обучение във финансовите услуги

• Преглед на често срещани финансови сценарии за ML
• Ползи и предизвикателства на ML в регулирани индустрии
• Преглед на екосистемата Azure Databricks

Подготовка на финансови данни за ML

• Поглъщане на данни от Azure Data Lake или бази данни
• Почистване на данни, инженеринг на характеристики и трансформация
• Проучвателен анализ на данни (EDA) в тетрадки

Обучение и оценка на ML модели

• Разделяне на данни и избор на ML алгоритми
• Обучение на регресионни и класификационни модели
• Оценка на производителността на моделите с финансови метрики

Управление на модели с MLflow

• Проследяване на експерименти с параметри и метрики
• Запазване, регистриране и версиониране на модели
• Възпроизводимост и сравнение на резултатите от моделите

Внедряване и обслужване на ML модели

• Опаковане на модели за пакетно или реално време извод
• Обслужване на модели чрез REST API или Azure ML крайни точки
• Интегриране на прогнози във финансови табла или сигнали

Наблюдение и повторно обучение на потоци

• Планиране на периодично повторно обучение на модели с нови данни
• Наблюдение на отклонения в данните и точността на моделите
• Автоматизиране на работните процеси от край до край с Databricks Jobs

Практически пример: Финансово оценяване на риска

• Изграждане на модел за оценка на риска за заявления за заеми или кредити
• Обясняване на прогнозите за прозрачност и съответствие
• Внедряване и тестване на модела в контролирана среда