Kursus Pelatihan Machine Learning dengan Azure Databricks untuk Keuangan

Pengenalan ML dalam Layanan Keuangan

• Ikhtian kasus penggunaan ML umum dalam keuangan
• Manfaat dan tantangan ML di industri yang diatur
• Ikhtian ekosistem Azure Databricks

Persiapan Data Keuangan untuk ML

• Memasukkan data dari Azure Data Lake atau database
• Pembersihan data, rekayasa fitur, dan transformasi
• Analisis data eksploratif (EDA) di notebook

Latihan dan Evaluasi Model ML

• Memecah data dan memilih algoritma ML
• Melatih model regresi dan klasifikasi
• Menilai kinerja model dengan metrik keuangan

Manajemen Model dengan MLflow

• Memantau eksperimen dengan parameter dan metrik
• Menyimpan, mendaftarkan, dan memberi versi pada model
• Reprodusibilitas dan perbandingan hasil model

Penyimpanan dan Penyajian Model ML

• Mengemas model untuk inferensi batch atau real-time
• Menyajikan model melalui API REST atau endpoint Azure ML
• Integrasi prediksi ke dashboard atau peringatan keuangan

Perpipaan Pemantauan dan Pelatihan Ulang

• Menjadwalkan pelatihan ulang model secara berkala dengan data baru
• Memantau data drift dan akurasi model
• Otomasi alur kerja end-to-end dengan Databricks Jobs

Studi Kasus: Penilaian Risiko Keuangan

• Membangun model skor risiko untuk aplikasi pinjaman atau kredit
• Menjelaskan prediksi untuk transparansi dan kepatuhan
• Menyimpan dan menguji model dalam pengaturan yang terkontrol