Kursus Pelatihan Machine Learning with Azure Databricks for Finance

Pengenalan ke ML dalam Layanan Keuangan

• Ringkasan tentang penggunaan umum ML di bidang keuangan
• Manfaat dan tantangan ML di industri teratur
• Azure Databricks ringkasan ekosistem

Persiapan Data Keuangan untuk ML

• Mengonsumsi data dari Azure Data Lake atau database
• Pembersihan data, pengolahan fitur, dan transformasi
• Analisis eksploratif data (EDA) dalam notebook

Melatih dan Menilai Model ML

• Memisahkan data dan memilih algoritma ML
• Melatih model regresi dan klasifikasi
• Mengevaluasi performa model dengan metrik keuangan

Model Management dengan MLflow

• Melacak eksperimen dengan parameter dan metrik
• Menyimpan, mendaftarkan, dan menjadikan model versi
• Reprodukibilitas dan perbandingan hasil model

Mendeploy dan Menghidupkan Model ML

• Memaketkan model untuk inferensi batch atau real-time
• Menghidupkan model melalui REST API atau Azure ML endpoint
• Mengintegrasikan prediksi ke dalam dasbor atau notifikasi keuangan

Memantau dan Retraining Pipelines

• Menjadwalkan retraining model secara berkala dengan data baru
• Memantau pergeseran data dan akurasi model
• Mengotomatiskan alur kerja end-to-end dengan Databricks Jobs

Jalan Seputar Use Case: Penilaian Risiko Keuangan

• Membangun model penilaian risiko untuk aplikasi pinjaman atau kredit
• Menjelaskan prediksi untuk transparansi dan kesesuaian
• Mendeploy dan menguji model dalam lingkungan terkontrol

Ringkasan dan Langkah Berikutnya