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 aprendizaje automático en finanzas
- Beneficios y desafíos del aprendizaje automático en industrias reguladas
- Visión general del ecosistema de Azure Databricks
Preparación de datos financieros para aprendizaje automático
- Ingesta 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 aprendizaje automático
- División de datos y selección de algoritmos de aprendizaje automático
- Entrenamiento de modelos de regresión y clasificación
- Evaluación del rendimiento del modelo con métricas financieras
Gestión de modelos con MLflow
- Seguimiento de experimentos con parámetros y métricas
- Guardar, registrar y versionar modelos
- Reproducibilidad y comparación de resultados de modelos
Implementación y despliegue de modelos de aprendizaje automático
- Empaquetado de modelos para inferencia por lotes o en tiempo real
- Despliegue de modelos mediante APIs REST o puntos de conexión de Azure ML
- Integración de predicciones en paneles de control o alertas financieras
Monitoreo y reentrenamiento de pipelines
- Programación de reentrenamiento periódico de modelos con nuevos datos
- Monitoreo de deriva de datos y precisión del modelo
- Automatización de flujos de trabajo de extremo a extremo con Databricks Jobs
Recorrido de caso de uso: Puntuación de riesgo financiero
- Construcción de un modelo de puntuación de riesgo para solicitudes de préstamo o crédito
- Explicación de predicciones para transparencia y cumplimiento
- Implementación 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
Audiencia
- Científicos de datos e ingenieros de aprendizaje automático en servicios financieros
- Analistas de datos que transicionan a roles de aprendizaje automático
- 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.
