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
- Resumen de los casos de uso comunes de ML en finanzas
- Beneficios y desafíos del ML en industrias reguladas
- Visión general del ecosistema de Azure Databricks
Preparación de datos financieros para ML
- 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 cuadernos (notebooks)
Entrenamiento y evaluación de modelos de ML
- División de datos y selección de algoritmos de ML
- 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 modelos
Despliegue y servicio de modelos de ML
- 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 alerta
Monitoreo y flujos de reacondicionamiento de modelos
- Programación del reacondicionamiento periódico de modelos con nuevos datos
- Monitoreo de la deriva de datos y la precisión del modelo
- Automatización de flujos de trabajo end-to-end 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
- Despliegue 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
- Conocimiento de conjuntos de datos financieros o reportes del sector
Público objetivo
- Científicos de datos e ingenieros de ML en el sector de servicios financieros
- Analistas de datos que transicionan a roles de ML
- 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.
