Curso de Machine Learning with Azure Databricks for Finance

Introducción a la IA en Servicios Financieros

• Visión general de los casos comunes de uso de IA en finanzas
• Beneficios y desafíos de la IA en industrias reguladas
• Azure Databricks visión general del ecosistema

Preparando Datos Financieros para IA

• Ingesta de datos desde el Data Lake Azure o bases de datos
• Limpieza de datos, ingeniería de características y transformación
• Análisis exploratorio de datos (EDA) en cuadernos

Entrenamiento y Evaluación de Modelos de IA

• División de datos y selección de algoritmos de IA
• Entrenamiento de modelos de regresión y clasificación
• Evaluación del rendimiento del modelo con métricas financieras

Modelos Management con MLflow

• Seguimiento de experimentos con parámetros y métricas
• Guardado, registro y versionamiento de modelos
• Reproducibilidad y comparación de resultados del modelo

Implementación y Servicio de Modelos de IA

• Empaquetar modelos para inferencia en lote o en tiempo real
• Servir modelos a través de API REST o puntos finales de ML Azure
• Integración de predicciones en paneles financieros o alertas

Monitoreo y Retrenamiento de Pipelines

• Programar el reentrenamiento periódico del modelo con nuevos datos
• Monitoreo de deriva de datos y precisión del modelo
• Automatización de flujos de trabajo end-to-end con trabajos Databricks

Recorrido Use Case: Puntuación de Riesgo Financiero

• Construcción de un modelo de puntuación de riesgo para solicitudes de préstamos o crédito
• Explicar predicciones para transparencia y cumplimiento
• Implementación y prueba del modelo en un entorno controlado

Resumen y Próximos Pasos