Curso de Machine Learning com Azure Databricks para Finanças

Introdução ao ML em Serviços Financeiros

• Visão geral de casos de uso comuns de ML em finanças
• Benefícios e desafios do ML em indústrias reguladas
• Visão geral do ecossistema Azure Databricks

Preparação de Dados Financeiros para ML

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

Treinamento e Avaliação de Modelos de ML

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

Gerenciamento de Modelos com MLflow

• Rastreamento de experimentos com parâmetros e métricas
• Salvamento, registro e versionamento de modelos
• Reprodutibilidade e comparação de resultados de modelos

Implantação e Serviço de Modelos de ML

• Empacotamento de modelos para inferência em lote ou tempo real
• Serviço de modelos via APIs REST ou endpoints Azure ML
• Integração de previsões em dashboards de finanças ou alertas

Monitoramento e Recalibração de Pipelines

• Agendamento de retreinos periódicos de modelos com novos dados
• Monitoramento de viés de dados (data drift) e precisão do modelo
• Automação de fluxos de trabalho ponta a ponta com Databricks Jobs

Estudo de Caso: Pontuação de Risco Financeiro

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