Machine Learning с Azure Databricks за Finance Training Course

Въведение в ML в финансовите услуги

• Обзор на общо използвани финансови ML приложения
• Предности и предизвикателства на ML в регулираните отрасли
• Обзор на Azure Databricks екосистемата

Подготовка на финансови данни за ML

• Внесене на данни от Azure Data Lake или бази данни
• Чистване на данни, инженерство на характеристики и трансформации
• Експлоративен анализ на данни (EDA) в ноутбуци

Обучение и оценка на ML модели

• Разделяне на данни и избор на ML алгоритми
• Обучение на модели за регресия и класификация
• Оценка на производителността на моделите с финансови метрики

Управление на модели с MLflow

• Следене на експерименти с параметри и метрики
• Записване, регистриране и версия на модели
• Възпроизводимост и сравнение на резултатите от моделите

Развертане и обслужване на ML модели

• Пакетиране на модели за батч или реално време предсказване
• Обслужване на модели чрез REST API или Azure ML крайни точки
• Интегриране на предсказания в финансови дашбордове или уведомления

Мониторинг и обучение на моделите

• Записване на периодично обучение на модели с нови данни
• Мониторинг на промени в данните и точността на моделите
• Автоматизация на работни процеси с Databricks задачи

Use Case пръв път: финансов рисков скоринг

• Създаване на рисков скоринг модел за заемни или кредитни заявки
• Обясняване на предсказанията за прозрачност и съответствие с изискванията
• Развертане и тестване на модела в контролиран режим

Резюме и следващи стъпки