感謝您提交詢問！我們的一位團隊成員將在短時間內與您聯繫。
感謝您提交預訂！我們的一位團隊成員將在短時間內與您聯繫。
課程時長 7 時間：
課程簡介
金融服務中的ML簡介
- 常見金融ML應用案例概述
- 受監管行業中ML的優勢與挑戰
- Azure Databricks生態系統概述
為ML準備金融資料
- 從Azure Data Lake或資料庫擷取資料
- 資料清理、特徵工程和轉換
- 在筆記本中進行探索性資料分析（EDA）
訓練和評估ML模型
- 分割資料和選擇ML演算法
- 訓練回歸和分類模型
- 使用金融指標評估模型效能
使用MLflow進行模型管理
- 使用參數和指標追蹤實驗
- 儲存、註冊和版本化模型
- 模型結果的可重現性和比較
部署和提供ML模型
- 封裝模型以進行批次或即時推論
- 透過REST API或Azure ML端點提供模型
- 將預測整合至金融儀表板或警報
監控和重新訓練管道
- 使用新資料排程定期重新訓練模型
- 監控資料漂移和模型準確度
- 使用Databricks Jobs自動化端到端工作流程
應用案例演練：金融風險評分
- 建置貸款或信用申請的風險評分模型
- 解釋預測以確保透明度和合規性
- 在受控環境中部署和測試模型
最低要求
- 了解基本機器學習概念
- 具備Python和資料分析經驗
- 熟悉金融資料集或報告
目標學員
- 金融服務領域的資料科學家和ML工程師
- 轉型至ML角色的資料分析師
- 在金融領域實作預測性解決方案的技術專業人士
