Course Code: adatabricksfin
Duration: 7 hours
Prerequisites:

  • 具備基本的機器學習概念知識。
  • 有Python和數據分析的經驗。
  • 熟悉金融數據集或報告。

受衆

  • 金融服務領域的數據科學家和機器學習工程師。
  • 從數據分析師轉型爲機器學習角色的專業人士。
  • 在金融領域實施預測解決方案的技術專業人員。

Overview:

Azure Databricks是一個基於雲的協作平臺，支持使用Apache Spark和Microsoft Azure生態系統進行大數據分析和機器學習。

本課程爲講師指導的培訓（線上或線下），面向中級數據專業人員，旨在幫助他們使用Azure Databricks設計和部署機器學習模型，以應用於金融用例。

培訓結束後，學員將能夠：

  • 使用Azure Databricks中的金融數據構建和訓練機器學習模型。
  • 使用MLflow跟蹤實驗、管理模型並部署解決方案。
  • 應用模型檢測異常、評估風險或預測金融趨勢。
  • 將機器學習模型集成到可擴展的管道中，以進行持續評估。

課程形式

  • 互動式講座與討論。
  • 大量練習與實踐。
  • 在即時實驗環境中進行動手操作。

課程定製選項

  • 如需爲本課程定製培訓，請聯繫我們進行安排。

Course Outline:

金融服務的機器學習簡介

  • 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。

爲機器學習準備金融數據

  • 從Azure Data Lake或數據庫中攝取數據。
  • 數據清洗、特徵工程和轉換。
  • 在筆記本中進行探索性數據分析（EDA）。

訓練和評估機器學習模型

  • 數據分割和機器學習算法選擇。
  • 訓練迴歸和分類模型。
  • 使用金融指標評估模型性能。

使用MLflow進行模型管理

  • 跟蹤實驗參數和指標。
  • 保存、註冊和版本控制模型。
  • 模型結果的可重複性和比較。

部署和提供機器學習模型

  • 爲批量或即時推理打包模型。
  • 通過REST API或Azure ML端點提供模型。
  • 將預測結果集成到金融儀表板或警報中。

監控和重新訓練管道

  • 使用新數據安排定期模型重新訓練。
  • 監控數據漂移和模型準確性。
  • 使用Databricks Jobs自動化端到端工作流程。

用例演練：金融風險評分

  • 爲貸款或信用申請構建風險評分模型。
  • 解釋預測結果以確保透明度和合規性。
  • 在受控環境中部署和測試模型。

總結與後續步驟

Overview in Category: