Corso di formazione Machine Learning con Azure Databricks per il Settore Finanziario

Introduzione al ML nei Servizi Finanziari

• Panoramica dei comuni casi d'uso del ML nel settore finanziario
• Vantaggi e sfide del ML nelle industrie regolamentate
• Panoramica dell'ecosistema Azure Databricks

Preparazione dei Dati Finanziari per il ML

• Ingestione di dati da Azure Data Lake o da database
• Pulizia dei dati, feature engineering e trasformazione
• Analisi esplorativa dei dati (EDA) nei notebook

Addestramento e Valutazione dei Modelli ML

• Divisione dei dati e selezione degli algoritmi ML
• Addestramento di modelli di regressione e classificazione
• Valutazione delle prestazioni del modello con metriche finanziarie

Gestione dei Modelli con MLflow

• Tracciamento degli esperimenti con parametri e metriche
• Salvataggio, registrazione e versioning dei modelli
• Riproducibilità e confronto dei risultati dei modelli

Distribuzione e Servizio dei Modelli ML

• Pacchettizzazione dei modelli per inferenza batch o in tempo reale
• Servizio dei modelli tramite API REST o endpoint Azure ML
• Integrazione delle previsioni in dashboard finanziarie o sistemi di allerta

Monitoraggio e Riprocessamento delle Pipeline

• Pianificazione del ri-addestramento periodico dei modelli con nuovi dati
• Monitoraggio del data drift e dell'accuratezza del modello
• Automazione dei flussi di lavoro end-to-end con Databricks Jobs

Analisi del Caso d'Uso: Valutazione del Rischio Finanziario

• Costruzione di un modello di scoring del rischio per prestiti o domande di credito
• Spiegazione delle previsioni per trasparenza e conformità
• Distribuzione e test del modello in un ambiente controllato