Bedankt voor uw aanvraag! Een van onze medewerkers neemt binnenkort contact met u op
Bedankt voor uw boeking! Een van onze medewerkers neemt binnenkort contact met u op.
Cursusaanbod
Inleiding tot machine learning in de financiële dienstverlening
- Overzicht van veelvoorkomende toepassingen van ML in de financiële sector
- Voordelen en uitdagingen van machine learning binnen gereguleerde markten
- Inleiding tot het Azure Databricks-ecosysteem
Voorbereiden van financiële gegevens voor machine learning
- Het importeren van gegevens uit Azure Data Lake of databanken
- Gegevenszuivering, feature engineering en transformatieproces
- Verkennende data-analyse (EDA) binnen notebooks
Trainen en evalueren van machine learning-modellen
- Het indelen van gegevens en het kiezen van geschikte algoritmen
- Trainen van regressie- en classificatiemodellen
- Evaluatie van modelprestaties aan de hand van financiële meetcriteria
Modelbeheer met MLflow
- Volgen van experimenten inclusief parameters en meetgegevens
- Opslaan, registreren en versiebeheer van modellen
- Zorgen voor reproduceerbaarheid en vergelijking van resultaten tussen modellen
Implementeren en leveren van ML-modellen
- Verpakken van modellen voor batch- of real-time inferentie
- Dienen van voorspellingen via REST-API's of Azure ML-eindpunten
- Integratie van resultaten in financiële dashboards en waarschuwingssystemen
Monitoring en hertraining van modellen via pijplijnen
- Periodiek hertrainen van modellen met nieuwe gegevens op basis van schema's
- Controleren op data-drift en veranderingen in modelnauwkeurigheid
- Automatiseren van end-to-end workflows via Databricks Jobs
Praktijkvoorbeeld: Risicobeoordeling in de financiële sector
- Ontwikkelen van een risicomodel voor lening- of kredietaanvragen
- Toelichting op voorspelde resultaten ter bevordering van transparantie en naleving van regelgeving
- Implementeren en testen van het model in een gecontroleerde omgeving
Samenvatting en vervolgstappen
Vereisten
- Kennis van de basisconcepten van machine learning
- ervaring met Python en data-analyse
- Vertrouwdheid met financiële datasets of rapportageprocessen
Doelgroep
- Data-scientists en ML-engineers werkzaam in de financiële dienstverlening
- Data-analysten die overstappen naar een rol in machine learning
- Technologie-professionals die voorspellende oplossingen implementeren in de financiële sector
7 Uren
