Học máy với Azure Databricks cho ngành tài chính Khóa Học Đào Tạo

Giới thiệu về Học máy trong Dịch vụ Tài chính

• Tổng quan về các trường hợp sử dụng học máy phổ biến trong tài chính
• Lợi ích và thách thức của học máy trong các ngành công nghiệp bị quản lý
• Tổng quan về hệ sinh thái Azure Databricks

Chuẩn bị Dữ liệu Tài chính cho Học máy

• Nạp dữ liệu từ Azure Data Lake hoặc các cơ sở dữ liệu
• làm sạch dữ liệu, xây dựng đặc trưng (feature engineering) và biến đổi dữ liệu
• Phân tích khám phá dữ liệu (EDA) trong các notebook

Huấn luyện và Đánh giá Mô hình Học máy

• Chia dữ liệu và chọn thuật toán học máy
• Huấn luyện các mô hình hồi quy và phân loại
• Đánh giá hiệu suất mô hình bằng các chỉ số tài chính

Quản lý Mô hình với MLflow

• Theo dõi các thí nghiệm với các tham số và chỉ số
• Lưu trữ, đăng ký và phiên bản hóa các mô hình
• Tái lập kết quả và so sánh các mô hình

Triển khai và Cung cấp Mô hình Học máy

• Gói các mô hình cho suy luận theo lô (batch) hoặc thời gian thực
• Cung cấp mô hình qua REST API hoặc các điểm cuối Azure ML
• Tích hợp các dự đoán vào các bảng điều khiển tài chính hoặc cảnh báo

Giám sát và Huấn luyện lại Các đường ống

• Lập lịch huấn luyện lại mô hình định kỳ với dữ liệu mới
• Giám sát sự lệch dữ liệu (data drift) và độ chính xác của mô hình
• Tự động hóa các luồng công việc đầu cuối với Databricks Jobs

Minh họa Trường hợp Sử dụng: Chấm điểm Rủi ro Tài chính

• Xây dựng mô hình chấm điểm rủi ro cho các khoản vay hoặc hồ sơ tín dụng
• Giải thích các dự đoán cho tính minh bạch và tuân thủ
• Triển khai và kiểm tra mô hình trong một môi trường có kiểm soát