Machine Learning with Azure Databricks for Finance

• 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

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