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
金融服務中的機器學習簡介
- 常見金融機器學習應用場景概觀
- 受監管產業中機器學習的優勢與挑戰
- Azure Databricks 生態系統概觀
為機器學習準備金融數據
- 從 Azure Data Lake 或數據庫匯入數據
- 數據清理、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演算法選擇
- 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
- 透過參數和指標追蹤實驗
- 儲存、註冊和模型版本控制
- 模型結果的可重現性和比較
部署和提供機器學習模型服務
- 為批次或即時推理打包模型
- 透過 REST API 或 Azure ML 端點提供模型服務
- 將預測結果整合至金融儀表板或警示系統
監控和重新訓練管道
- 排程使用新數據定期重新訓練模型
- 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
應用案例詳解：金融風險評分
- 為貸款或信貸申請建置風險評分模型
- 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
最低要求
- 了解基本的機器學習概念
- 具備 Python 和數據分析經驗
- 熟悉金融數據集或報告
受眾
- 金融服務領域的數據科學家和機器學習工程師
- 正轉向機器學習角色的數據分析師
- 在金融領域實施預測方案的技術專業人員
