お問い合わせを送信いただきありがとうございます!当社のスタッフがすぐにご連絡いたします。
予約を送信いただきありがとうございます!当社のスタッフがすぐにご連絡いたします。
コース概要
金融業界における機械学習入門
- 金融分野で一般的なMLの用途例紹介
- 規制が厳格な業界での機械学習活用におけるメリットと課題
- Azure Databricksエコシステムの概要説明
金融データのML向け準備方法
- Azure Data Lakeや各種データベースからのデータ取得手順
- データクレンジング・特徴抽出および変換処理の実践方法
- ノートブック内での探索的データ分析(EDA)手法
機械学習モデルの訓練と評価手順
- データ分割の進め方および適切なMLアルゴリズム選定方法
- 回帰分析や分類モデルの訓練実施例
- 金融業界特有の評価指標を利用したモデル性能測定法
MLflowによるモデル管理手法
- パラメータや評価指標を用いた実験追跡手順
- モデルの保存・登録・バージョン管理の仕組み説明
- 同一条件下での結果再現および比較実施法
機械学習モデルの展開とサービス化方法
- バッチ処理またはリアルタイム推論向けのパッケージ作成手法
- REST APIやAzure MLエンドポイント経由でのモデル配信方法
- 金融業務用ダッシュボードやアラートシステムとの統合手順
パイプライン監視およびモデル再学習手法
- 新規データ投入に伴う定期的なモデル再訓練のスケジュール設定法
- データ分布の変動や予測精度低下の検出手段
- Databricks Jobsを活用した全工程自動化手法説明
実践例紹介:金融リスク評価モデルの構築手順
- 融資や与信審査向けのリスクスコア算出モデル作成方法
- 説明責任・法規制遵守対応を考慮した予測内容の明示化手法
- 閉鎖環境でのモデル実際の適用検証手順説明
講座総括および今後の取り組み案内
要求
- 機械学習の基本概念に関する知識
- Pythonおよびデータ分析の実務経験
- 金融関連データセットや報告書への理解度
対象者
- 金融業界で活動するデータサイエンティストおよびMLエンジニア
- ML分野へ転向を目指すデータ分析担当者
- 金融関連の予測型ソリューション導入に携わる技術職員
7 時間