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 für Finanzdienstleistungen
- Überblick über gängige ML-Anwendungsfälle im Finanzbereich
- Vorteile und Herausforderungen von ML in regulierten Branchen
- Überblick über die Azure Databricks-Umgebung
Vorbereitung finanzieller Daten für ML
- Data Ingestion aus Azure Data Lake oder Datenbanken
- Datensäuberung, Feature Engineering und Transformation
- Explorative Datenanalyse (EDA) in Notebooks
Training und Evaluierung von ML-Modellen
- Datenaufteilung und Auswahl der ML-Algorithmen
- Training von Regressions- und Klassifikationsmodellen
- Bewertung der Modellleistung anhand finanzieller Metriken
Modellmanagement mit MLflow
- Verfolgen von Experimenten mittels Parametern und Metriken
- Speichern, Registrieren und Versionieren von Modellen
- Reproduzierbarkeit und Vergleich der Modellobjecte
Bereitstellung und Serving von ML-Modellen
- Verpackung der Modelle für Batch- oder Echtzeit-Inferenz
- Serving der Modelle über REST APIs oder Azure ML Endpunkte
- Integration von Vorhersagen in Finanz-Dashboards oder Warnsysteme
Überwachung und Retraining-Pipelines
- Zeitplanung des regelmässigen Modellretrainings mit neuen Daten
- Überwachung von Data Drift und Modellgenauigkeit
- Automatisierung der End-to-End-Workflows mittels Databricks Jobs
Use Case Walkthrough: Finanzrisiko-Bewertung
- Erstellung eines Risikoscore-Modells für Kreditanträge
- Erklärung von Vorhersagen zur Transparenz und Compliance
- Bereitstellen und Testen des Modells unter kontrollierten Bedingungen
Zusammenfassung und nächste Schritte
Voraussetzungen
- Grundlegendes Verständnis von Konzepten des maschinellen Lernens
- Erfahrung mit Python und Datenanalyse
- Vertrautheit mit finanziellen Datensätzen oder Berichterstellung
Zielgruppe
- Datenwissenschaftler und ML-Ingenieure in Finanzdienstleistungsunternehmen
- Datenanalysten, die sich in ML-Rollen weiterentwickeln möchten
- Technikprofis, die prädiktive Lösungen im Finanzbereich implementieren
7 Stunden
