Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Schulungsübersicht
Einführung in ML im Finanzsektor
- Überblick über gängige ML-Anwendungsfälle im Finanzwesen
- Vorteile und Herausforderungen von ML in regulierten Branchen
- Überblick über das Azure-Databricks-Ökosystem
Vorbereitung von Finanzdaten für ML
- Datenerfassung aus dem Azure Data Lake oder Datenbanken
- Bereinigung, Feature-Engineering und Transformation der Daten
- Explorative Datenanalyse (EDA) in Notebooks
Training und Bewertung von ML-Modellen
- Aufteilung der Daten und Auswahl der ML-Algorithmen
- Training von Regressions- und Klassifikationsmodellen
- Bewertung der Modellleistung anhand finanzieller Kennzahlen
Modellverwaltung mit MLflow
- Nachverfolgung von Experimenten mit Parametern und Metriken
- Speichern, Registrieren und Versionieren von Modellen
- Reproduzierbarkeit und Vergleich von Modellergebnissen
Bereitstellung und Nutzung von ML-Modellen
- Paketierung von Modellen für Batch- oder Echtzeit-Inference
- Nutzung der Modelle über REST-APIs oder Azure-ML-Endpunkte
- Integration von Vorhersagen in Finanz-Dashboards oder Warnsysteme
Überwachung und Neubewertung der Pipelines
- Zeitplan für regelmäßiges erneutes Training der Modelle mit neuen Daten
- Überwachung von Data Drift und Modellgenauigkeit
- Automatisierung von End-to-End-Abläufen mit Databricks-Jobs
Use-Case-Durchlauf: Finanzrisikobewertung
- Erstellung eines Risikoscore-Modells für Kreditanträge oder Kredite
- Erklärung der Vorhersagen zur Transparenz und Compliance
- Bereitstellen und Testen des Modells in einer kontrollierten Umgebung
Zusammenfassung und nächste Schritte
Voraussetzungen
- Grundlegende Kenntnisse der Konzepte des maschinellen Lernens
- Erfahrung mit Python und Datenanalyse
- Vertrautheit mit Finanzdatensätzen oder -berichterstattung
Zielgruppe
- Data Scientists und ML-Ingenieure im Finanzdienstleistungssektor
- Datenanalysten, die in ML-Rollen wechseln möchten
- Technologieexperten, die prädiktive Lösungen im Finanzbereich implementieren
7 Stunden
