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。
期間 7 時間
コース概要
金融サービスにおける機械学習の概要
- 一般的な金融MLユースケースの概要
- 規制産業におけるMLのメリットと課題
- Azure Databricksエコシステムの概要
機械学習のための金融データの準備
- Azure Data Lakeまたはデータベースからのデータ取り込み
- データのクリーニング、特徴量エンジニアリング、および変換
- ノートブックでの探索的データ分析（EDA）
MLモデルの学習と評価
- データの分割とMLアルゴリズムの選択
- 回帰モデルと分類モデルの学習
- 金融指標を用いたモデル性能の評価
MLflowを用いたモデル管理
- パラメータと指標を用いた実験の追跡
- モデルの保存、登録、およびバージョン管理
- モデル結果の再現性と比較
MLモデルのデプロイとサービング
- バッチまたはリアルタイム推論向けにモデルのパッケージング
- REST APIまたはAzure MLエンドポイント経由でのモデルサービング
- 予測結果を金融ダッシュボードやアラートへの統合
監視と再学習パイプライン
- 新しいデータを用いた定期的なモデル再学習のスケジュール設定
- データドリフトとモデル精度の監視
- Databricks Jobsを用いたエンドツーエンドのワークフローの自動化
ユースケース解説：金融リスクスコアリング
- ローンまたは信用申請向けのリスクスコアモデルの構築
- 透明性とコンプライアンスのための予測の説明
- 管理された環境でのモデルのデプロイとテスト
要求
- 基本的な機械学習概念の理解
- Pythonおよびデータ分析の経験
- 金融データセットまたはレポートへの慣れ
対象読者
- 金融サービス業界のデータサイエンティストおよびMLエンジニア
- ML職種へのキャリアチェンジを望むデータアナリスト
- 金融分野で予測ソリューションを実装するテクノロジー専門職
