Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Temario del curso
Introducción al aprendizaje automático en servicios financieros
- Visión general de casos de uso comunes de ML en finanzas
- Beneficios y desafíos del ML en industrias reguladas
- Descripción general del ecosistema Azure Databricks
Preparación de datos financieros para aprendizaje automático
- Ingestión de datos desde Azure Data Lake o bases de datos
- Limpieza de datos, ingeniería de características y transformación
- Análisis exploratorio de datos (EDA) en cuadernos
Entrenamiento y evaluación de modelos de ML
- División de datos y selección de algoritmos de ML
- Entrenamiento de modelos de regresión y clasificación
- Evaluación del rendimiento del modelo con métricas financieras
Gestión de modelos con MLflow
- Seguimiento de experimentos mediante parámetros y métricas
- Guardado, registro y versionado de modelos
- Reproducibilidad y comparación de resultados de modelos
Despliegue y servicio de modelos de ML
- Empaquetado de modelos para inferencia por lotes o en tiempo real
- Servicio de modelos a través de APIs REST o puntos finales de Azure ML
- Integración de predicciones en paneles financieros o sistemas de alertas
Seguimiento y pipelines de reentrenamiento
- Programación del reentrenamiento periódico de modelos con nuevos datos
- Supervisión de la deriva de datos y precisión del modelo
- Automatización de flujos de trabajo extremos a extremos con Jobs de Databricks
Recorrido por un caso de uso: puntuación de riesgo financiero
- Creación de un modelo de puntuación de riesgo para solicitudes de préstamos o crédito
- Explicación de las predicciones para garantizar transparencia y cumplimiento normativo
- Despliegue y prueba del modelo en un entorno controlado
Resumen y próximos pasos
Requerimientos
- Comprensión de conceptos básicos de aprendizaje automático
- Experiencia con Python y análisis de datos
- Familiaridad con conjuntos de datos financieros o informes financieros
Público objetivo
- Científicos de datos e ingenieros de ML en servicios financieros
- Analistas de datos que transicionan a roles de ML
- Profesionales tecnológicos que implementan soluciones predictivas en finanzas
7 Horas
Testimonios (1)
Todos los temas que abarca, aunque muchos fueron muy rápidos, nos da una idea de lo que necesitaremos ahondar. Además me gustó que pudimos hacer practicas, aunque insisto, creo que el curso amerita mas.
