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 aprendizaje automático en servicios financieros
- Panorama general de los casos de uso comunes de aprendizaje automático financiero
- Ventajas y desafíos del aprendizaje automático en industrias reguladas
- Visión general del ecosistema de Azure Databricks
Preparación de datos financieros para aprendizaje automático
- Ingesta de datos desde Azure Data Lake o bases de datos
- Limpieza de datos, ingeniería de características y transformación
- Análisis exploratorio de datos (EDA) en notebooks
Entrenamiento y evaluación de modelos de aprendizaje automático
- 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
- Seguimiento de experimentos mediante parámetros y métricas
- Guardado, registro y versionado de modelos
- Reproducibilidad y comparación de resultados de modelos
Implementación y servicio de modelos de aprendizaje automático
- Empaquetado de modelos para inferencia por lotes o en tiempo real
- Servicio de modelos a través de API REST o puntos finales de Azure ML
- Integración de predicciones en paneles financieros o sistemas de alertas
Vigilancia y pipelines de reentrenamiento de modelos
- Programación del reentrenamiento periódico de modelos con nuevos datos
- Monitoreo de la deriva de datos y la precisión del modelo
- Automatización de flujos de trabajo extremo a extremo con Databricks Jobs
Recorrido por un caso de uso: puntuación de riesgo financiero
- Construcción de un modelo de puntuación de riesgo para solicitudes de préstamos o créditos
- Explicación de las predicciones para garantizar transparencia y cumplimiento normativo
- Implementación y prueba del modelo en un entorno controlado
Resumen y próximos pasos
Requerimientos
- Comprensión de los conceptos básicos de aprendizaje automático
- Experiencia con Python y análisis de datos
- Familiaridad con conjuntos de datos financieros o elaboración de informes
Audiencia objetivo
- Científicos de datos e ingenieros de ML en servicios financieros
- Analistas de datos que transicionan hacia roles de aprendizaje automático
- Profesionales de tecnología que implementan soluciones predictivas en el sector financiero
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.
