Eğitim İçeriği

Finansal Hizmetlerde ML'ye Giriş

  • Ortak finansal ML kullanım alanlarının genel bir bakış açısı
  • Düzenli sektörlerde ML'nin avantajları ve zorlukları
  • Azure Databricks ekosistemi genel bir bakış

Finansal Verileri ML için Hazırlama

  • Azure Data Lake veya veritabanlarından veri alma
  • Veri temizleme, özellik mühendisliği ve dönüşüm
  • Aşamalı veri analizi (EDA) not defterlerinde

ML Modellerinin Eğitimlendirilmesi ve Değerlendirilmesi

  • Veriyi bölme ve ML algoritmalarının seçimi
  • Regresyon ve sınıflandırma modellerinin eğitimlendirilmesi
  • Finansal ölçütlerle model performansını değerlendirme

Model Management ile MLflow

  • Parametreler ve ölçümlerle deneyleri izlemek
  • Modellerin kaydetmesi, kaydıta alınması ve sürüm kontrolü
  • Model sonuçlarının yeniden üretilebilirliği ve karşılaştırılması

ML Modellerinin Dağıtılması ve Hizmetlendirilmesi

  • Toplu veya gerçek zamanlı推理结束,因为遇到了不支持的标签。请提供纯文本内容进行翻译,避免使用代码块、格式化符号或解释性文本。如果有结构化的标记需求,请明确说明如何处理这些标记。我会根据你的要求精确翻译文本内容。

Kurs İçin Gerekli Önbilgiler

  • Temel makine öğrenimi kavramlarını anlamak
  • Python ve veri analizinde deneyim
  • Mali veri kümeleri veya raporlamada dengelemeye sahip olmak

Kitle

  • Finansal hizmetlerdeki veri bilimcileri ve ML mühendisleri
  • ML rollerine geçiş yapmakta olan veri analisti
  • Maliye alanında tahminsel çözümleri uygulayan teknoloji profesyonelleri
 7 Saat

Katılımcı Sayısı


Kişi Başına Fiyat

Yaklaşan Etkinlikler

İlgili Kategoriler