Formation Machine Learning with Azure Databricks for Finance

Introduction à l'IA dans les Services Financiers

• Aperçu des cas d'utilisation courants de l'IA dans le secteur financier
• Avantages et défis de l'IA dans les industries réglementées
• Azure Databricks aperçu de l'écosystème

Préparation des Données Financières pour l'IA

• Ingestion de données à partir du Data Lake Azure ou des bases de données
• Nettoyage des données, ingénierie des fonctionnalités et transformation
• Analyse exploratoire des données (EDA) dans les carnets

Formation et Évaluation des Modèles d'IA

• Division des données et sélection des algorithmes d'apprentissage automatique
• Formation de modèles de régression et de classification
• Évaluation de la performance du modèle avec des métriques financières

Modèle Management avec MLflow

• Suivi des expériences avec les paramètres et les métriques
• Sauvegarde, inscription et versionnement des modèles
• Reproductibilité et comparaison des résultats du modèle

Déploiement et Servicing des Modèles d'IA

• Emballage des modèles pour l'inférence en lot ou en temps réel
• Servicing des modèles via des API REST ou les points de terminaison ML Azure
• Intégration des prédictions dans les tableaux de bord financiers ou les alertes

Surveillance et Ré-formation des Pipelines

• Planification de la ré-formation périodique du modèle avec de nouvelles données
• Surveillance des dérives des données et de l'exactitude du modèle
• Automatisation des workflows end-to-end avec les emplois Databricks

Déroulement Pratique : Évaluation Financière des Risques

• Construction d'un modèle de notation de risque pour les demandes de prêts ou de crédits
• Explication des prédictions pour la transparence et la conformité
• Déploiement et test du modèle dans un environnement contrôlé

Résumé et Étapes Suivantes