Terima kasih telah mengirimkan pertanyaan Anda! Salah satu anggota tim kami akan segera menghubungi Anda.
Terima kasih telah mengirimkan pemesanan Anda! Salah satu anggota tim kami akan segera menghubungi Anda.
Kerangka Materi
Pengenalan Machine Learning dalam Sektor Keuangan
- Gambaran umum mengenai aplikasi machine learning yang umum digunakan di bidang keuangan
- Manfaat dan tantangan penggunaan machine learning di industri yang terregulasi ketat
- Gambaran menyeluruh mengenai ekosistem Azure Databricks
Persiapan Data Keuangan untuk Machine Learning
- Mengambil data dari Azure Data Lake maupun berbagai basis data
- Membersihkan, memproses fitur, serta mengubah format data keuangan
- Melakukan analisis eksploratori (EDA) dalam bentuk notebook
Pelatihan dan Evaluasi Model Machine Learning
- Membagi data serta memilih algoritma machine learning yang tepat
- Melatih model regresi maupun klasifikasi
- Menilai kinerja model dengan metrik spesifik di bidang keuangan
Pengelolaan Model dengan MLflow
- Memantau proses eksperimen melalui parameter dan metrik yang terukur
- Menyimpan, mendaftarkan, serta mengelola versi model secara sistematis
- Memastikan reproduktibilitas hasil analisis sekaligus membandingkan berbagai model
Penerapan dan Penggunaan Model Machine Learning
- Membangun paket model untuk inferensi secara batch maupun real-time
- Menyajikan prediksi melalui REST API maupun titik akhir Azure ML
- Mengintegrasikan hasil prediksi ke dalam dashboard atau sistem peringatan dini di sektor keuangan
Monitoring dan Penyesuaian Berkala Alur Kerja Model
- Mengatur jadwal pelatihan ulang model dengan memanfaatkan data terbaru
- Memantau perubahan pola data maupun akurasi prediksi model secara rutin
- Mengotomatisasi seluruh alur kerja menggunakan fitur Databricks Jobs
Studi Kasus: Penilaian Risiko Keuangan
- Membangun model penilaian risiko untuk permohonan pinjaman atau kredit
- Menjelaskan hasil prediksi guna memastikan transparansi serta kepatuhan regulasi
- Menguji implementasi model dalam lingkungan terkendali sebelum penggunaan luas
Kesimpulan serta Langkah Selanjutnya
Persyaratan
- Pemahaman dasar mengenai konsep-konsep machine learning
- Pengalaman dalam penggunaan Python serta analisis data
- Kenyamanan dalam menangani set data keuangan atau laporan keuangan
Target Peserta
- Para ilmuwan data dan insinyur machine learning di bidang jasa keuangan
- Analis data yang sedang beralih menjadi tenaga kerja di bidang machine learning
- Profesional teknologi yang bertugas menerapkan solusi prediktif dalam sektor keuangan
7 Jam
