Temario del curso
Introducción al aprendizaje automático en servicios financieros
- Revisión de los casos de uso habituales del aprendizaje automático en el ámbito financiero
- Ventajas y retos derivados del uso del aprendizaje automático en industrias reguladas
- Descripción general del ecosistema de Azure Databricks
Preparación de datos financieros para el aprendizaje automático
- Ingestión de datos desde Azure Data Lake o diversas bases de datos
- Limpieza, creación de características y transformación de los datos
- Análisis exploratorio de datos (EDA) mediante notebooks
Entrenamiento y evaluación de modelos de aprendizaje automático
- Distribución adecuada de los datos y selección de algoritmos óptimos
- Entrenamiento de modelos tanto de regresión como de clasificación
- Evaluación del desempeño de los modelos a través de métricas financieras pertinentes
Gestión de modelos con MLflow
- Seguimiento detallado de experimentos mediante parámetros y métricas registradas
- Almacenamiento, catalogación y control de versiones de los modelos generados
- Posibilidad de reproducir resultados previos o comparar distintas iteraciones de modelo
Implementación y puesta en servicio de modelos de aprendizaje automático
- Preparación de los modelos para aplicar inferencia por lotes o en tiempo real
- Publicación de modelos a través de APIs REST o endpoints proporcionados por Azure ML
- Integración eficiente de los resultados obtenidos en tableros financieros o sistemas de notificaciones automáticas
Supervisión continua y reentrenamiento de pipelines algorítmicos
- Programación periódica del reentrenamiento de modelos con datos actualizados
- Detección automática de cambios en la distribución de los datos y ajustes de precisión al modelo
- Automatización completa del flujo de trabajo mediante las herramientas Databricks Jobs
Estudio práctico: Evaluación y clasificación de riesgos financieros
- Desarrollo de un modelo que permita calcular la puntuación de riesgo para solicitudes de préstamos o créditos
- Explicabilidad de las predicciones generadas, garantizando transparencia y cumplimiento normativo
- Implementación piloto del modelo en un entorno controlado previo a su uso masivo
Resumen final e indicaciones sobre los pasos siguientes
Requerimientos
- Conocimientos básicos sobre los conceptos fundamentales del aprendizaje automático
- Experiencia en el uso de Python y análisis de datos
- Familiaridad con conjuntos de datos financieros o informes del sector bancario
Público objetivo
- Científicos de datos e ingenieros especializados en aprendizaje automático del sector financiero
- Analistas de datos que deseen transitar hacia roles relacionados con el aprendizaje automático
- Profesionales tecnológicos encargados de implementar soluciones predictivas en instituciones financieras
Formación Corporativa a Medida
Soluciones de formación diseñadas exclusivamente para empresas.
- Contenido personalizado: Adaptamos el temario y los ejercicios prácticos a los objetivos y necesidades reales del proyecto.
- Calendario flexible: Fechas y horarios adaptados a la agenda de su equipo.
- Modalidad: Online (en directo), In-company (en sus oficinas) o Híbrida.
Precio por grupo privado (formación online) desde 1450 € + IVA*
Contáctenos para obtener un presupuesto exacto y conocer nuestras promociones actuales
Reseñas (1)
Todos los temas que abarca, aunque muchos fueron muy rápidos, nos da una idea de lo que necesitaremos ahondar. Además me gustó que pudimos hacer practicas, aunque insisto, creo que el curso amerita mas.
