Machine Learning met Azure Databricks voor de financiële sector Training Cursus

Inleiding tot ML in de financiële dienstverlening

• Overzicht van veelvoorkomende ML-use cases in de financiële sector
• Voordelen en uitdagingen van ML in gereguleerde sectoren
• Overzicht van het Azure Databricks-ecosysteem

Financiële data voorbereiden voor ML

• Data inlezen vanuit Azure Data Lake of databanken
• Opschonen van data, feature engineering en transformatie
• Verkenningen van data-analyse (EDA) in notebooks

Trainen en evalueren van ML-modellen

• Data splitsen en ML-algoritmen selecteren
• Trainen van regressie- en classificatiemodellen
• Evalueren van modelprestaties met financiële metrische waarden

Modelbeheer met MLflow

• Experimenten bijhouden met parameters en metrische waarden
• Modellen opslaan, registreren en versiebeheren
• Reproductibiliteit en vergelijking van modelresultaten

Implementeren en serveren van ML-modellen

• Modellen verpakken voor batch- of real-time inferentie
• Modellen leveren via REST-API’s of Azure ML-endpoints
• Voorspellingen integreren in financiële dashboards of alerten

Monitoring en opnieuw trainen van pipelines

• Planning van periodiek opnieuw trainen van modellen met nieuwe data
• Monitoring van data drift en modelnauwkeurigheid
• Automatisering van end-to-end workflows met Databricks Jobs

Use case uitwerking: Financiële risicoscoring

• Een risicoscoremodel bouwen voor lenings- of creditaanvragen
• Voorspellingen verklaren voor transparantie en compliance
• Model implementeren en testen in een gecontroleerde omgeving