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 maschinelles Lernen in der Finanzbranche
- Überblick über häufige Anwendungsfälle von ML in der Finanzbranche
- Vorteile und Herausforderungen des maschinellen Lernens in regulatorisch eingegrenzten Branchen
- Überblick über das Azure Databricks-Ökosystem
Vorbereitung von Finanzdaten für ML
- Daten aus Azure Data Lake oder Datenbanken einlesen
- Datenaufbereitung, Feature Engineering und Transformation
- Explorative Datenanalyse (EDA) in Notebooks durchführen
Trainieren und Evaluieren von ML-Modellen
- Daten aufteilen und ML-Algorithmen auswählen
- Regressions- und Klassifikationsmodelle trainieren
- Modellleistung mit finanzspezifischen Metriken bewerten
Modellverwaltung mit MLflow
- Experimente mit Parametern und Metriken verfolgen
- Modelle speichern, registrieren und versionieren
- Reproduzierbarkeit und Vergleich von Modellergebnissen gewährleisten
Bereitstellen und Betreiben von ML-Modellen
- Modelle für Batch- oder Echtzeit-Inferenz verpacken
- Modelle über REST-APIs oder Azure ML-Endpunkte bereitstellen
- Vorhersagen in Finanz-Dashboards oder -Warnungen integrieren
Überwachen und erneutes Trainieren von Pipelines
- Periodisches erneutes Trainieren von Modellen mit neuen Daten planen
- Datenveränderungen und Modellgenauigkeit überwachen
- End-to-End-Arbeitsabläufe mit Databricks Jobs automatisieren
Fallbeispiel-Durchgang: Finanzrisikobewertung
- Erstellen eines Risikoscore-Modells für Kredit- oder Kreditanträge
- Vorhersagen zur Transparenz und Einhaltung von Vorschriften erklären
- Modell in einer kontrollierten Umgebung bereitstellen und testen
Zusammenfassung und weitere Schritte
Voraussetzungen
- Grundverständnis von maschinellen Lernkonzepten
- Erfahrung mit Python und Datenanalyse
- Kenntnisse von finanzspezifischen Datensätzen oder -berichten
Zielgruppe
- Data Scientists und ML-Entwickler in der Finanzbranche
- Datenanalysten, die in ML-Rollen wechseln möchten
- Technologieprofis, die vorhersagende Lösungen in der Finanzbranche implementieren
7 Stunden