Machine Learning with Azure Databricks for Finance

• 对基本机器学习概念的理解
• 具备Python和数据分析的经验
• 熟悉财务数据集或报告

目标受众

• 金融服务领域的数据科学家和ML工程师
• 正在转型为ML角色的数据分析师
• 在金融领域实施预测解决方案的技术专业人员

Azure Databricks 是一个基于云的协作平台，支持使用 Apache Spark 和 Microsoft Azure 生态系统进行大数据分析和机器学习。

本课程为讲师主导的培训（线上或线下），面向中级数据专业人士，旨在帮助他们使用 Azure Databricks 设计和构建机器学习模型，并将其应用于金融场景。

培训结束后，参与者将能够：

• 使用 Azure Databricks 中的金融数据构建和训练机器学习模型。
• 使用 MLflow 跟踪实验、管理模型并部署解决方案。
• 应用模型检测异常、评估风险或预测金融趋势。
• 将机器学习模型集成到可扩展的管道中，以进行持续评估。

课程形式

• 互动讲座与讨论。
• 大量练习与实践。
• 在实时实验室环境中动手操作。

课程定制选项

• 如需为本课程定制培训，请联系我们安排。

金融服务中的机器学习介绍

• 常见金融机器学习用例概述
• 机器学习在受监管行业中的优势与挑战
• Azure Databricks 生态系统概述

准备用于机器学习的金融数据

• 从 Azure Data Lake 或数据库中摄取数据
• 数据清洗、特征工程与转换
• 在笔记本中进行探索性数据分析 (EDA)

训练与评估机器学习模型

• 数据分割与机器学习算法选择
• 训练回归与分类模型
• 使用金融指标评估模型性能

使用 MLflow 进行模型 Management

• 使用参数与指标追踪实验
• 保存、注册与版本控制模型
• 模型结果的可重现性与比较

部署与提供机器学习模型

• 打包模型以进行批量或实时推理
• 通过 REST API 或 Azure ML 端点提供模型
• 将预测整合到财务仪表板或警报中

监控与重新训练管道

• 使用新数据安排定期模型重新训练
• 监控数据漂移与模型准确性
• 使用 Databricks Jobs 自动化端到端工作流程

Use Case 演练：金融风险评分

• 为贷款或信贷申请构建风险评分模型
• 解释预测以提高透明度与合规性
• 在受控环境中部署与测试模型

总结与下一步