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 ML en Servicios Financieros
- Descripción general de casos de uso comunes de ML en finanzas
- Beneficios y desafíos del ML en industrias reguladas
- Descripción general del ecosistema de Azure Databricks
Preparación de Datos Financieros para ML
- Ingestión 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 ML
- 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
- Rastreo de experimentos con parámetros y métricas
- Guardado, registro y versionado de modelos
- Reproducibilidad y comparación de resultados de los modelos
Despliegue y Servicio de Modelos ML
- Empaquetado de modelos para inferencia por lotes o en tiempo real
- Servicio de modelos a través de APIs REST o puntos finales de Azure ML
- Integración de predicciones en paneles financieros o alertas
Monitoreo y Pipelines de Retrenamiento de Modelos
- Programación de reentrenamientos periódicos de modelos con nuevos datos
- Monitoreo del desplazamiento de datos y precisión del modelo
- Automatización de flujos de trabajo completos con Databricks Jobs
Recorrido de Caso de Uso: Puntuación de Riesgo Financiero
- Construcción de un modelo de puntuación de riesgo para solicitudes de préstamos o crédito
- Explicación de las predicciones para transparencia y cumplimiento normativo
- Despliegue y prueba del modelo en un entorno controlado
Resumen y Siguientes Pasos
Requerimientos
- Comprensión de conceptos básicos de aprendizaje automático
- Experiencia con Python y análisis de datos
- Familiaridad con conjuntos de datos financieros o reportes
Audiencia objetivo
- Científicos de datos e ingenieros de ML 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.
