Curso de Machine Learning com Azure Databricks para Finance

Introdução ao ML nos Serviços Financeiros

• Visão geral de casos comuns de uso de ML no setor financeiro
• Benefícios e desafios do ML em indústrias regulamentadas
• Azure Databricks visão geral do ecossistema

Preparando Dados Financeiros para ML

• Ingestão de dados do Azure Data Lake ou bancos de dados
• Limpeza de dados, engenharia de características e transformação
• Análise exploratória de dados (EDA) em notebooks

Treinamento e Avaliação de Modelos ML

• Divisão de dados e seleção de algoritmos de ML
• Treinamento de modelos de regressão e classificação
• Avaliação do desempenho dos modelos com métricas financeiras

Model Management com MLflow

• Rastreamento de experimentos com parâmetros e métricas
• Salvamento, registro e versão dos modelos
• Reprodutibilidade e comparação de resultados do modelo

Implantação e Serviço de Modelos ML

• Embalagem de modelos para inferência em lote ou em tempo real
• Serviço de modelos via APIs REST ou Azure pontos de extremidade ML
• Integração de previsões em painéis financeiros ou alertas

Monitoramento e Retreinamento de Pipelines

• Agenda periódica para retrainamento dos modelos com novos dados
• Monitoramento do desvio de dados e precisão do modelo
• Automatização de fluxos de trabalho end-to-end com Databricks Jobs

Demonstração Use Case: Avaliação de Risco Financeiro

• Construção de um modelo de pontuação de risco para aplicações de empréstimos ou crédito
• Explicação das previsões para transparência e conformidade
• Implantação e teste do modelo em ambiente controlado

Resumo e Próximos Passos