Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
課程簡介
金融服務中的機器學習介紹
- 常見金融機器學習用例概述
- 機器學習在受監管行業中的優勢與挑戰
- Azure Databricks 生態系統概述
準備用於機器學習的金融數據
- 從 Azure Data Lake 或數據庫中攝取數據
- 數據清洗、特徵工程與轉換
- 在筆記本中進行探索性數據分析 (EDA)
訓練與評估機器學習模型
- 數據分割與機器學習算法選擇
- 訓練回歸與分類模型
- 使用金融指標評估模型性能
使用 MLflow 進行模型 Management
- 使用參數與指標追蹤實驗
- 保存、註冊與版本控制模型
- 模型結果的可重現性與比較
部署與提供機器學習模型
- 打包模型以進行批量或實時推理
- 通過 REST API 或 Azure ML 端點提供模型
- 將預測整合到財務儀表板或警報中
監控與重新訓練管道
- 使用新數據安排定期模型重新訓練
- 監控數據漂移與模型準確性
- 使用 Databricks Jobs 自動化端到端工作流程
Use Case 演練：金融風險評分
- 為貸款或信貸申請構建風險評分模型
- 解釋預測以提高透明度與合規性
- 在受控環境中部署與測試模型
總結與下一步
最低要求
- 對基本機器學習概念的理解
- 具備Python和數據分析的經驗
- 熟悉財務數據集或報告
目標受眾
- 金融服務領域的數據科學家和ML工程師
- 正在轉型為ML角色的數據分析師
- 在金融領域實施預測解決方案的技術專業人員
7 時間：
