План на курса

Въведение в Machine Learning в Finance

  • Преглед на изкуствен интелигент и машинно обучение в финансовата индустрия
  • Видове машинно обучение (наблюдено, ненаблюдено, засилване с подкрепление)
  • Примерни изследвания в откриване на измами, оценяване на кредитен риск и моделиране на риск

Python и основи на обработка на данни

  • Използване на Python за манипулация и анализ на данни
  • Разглеждане на финансови набори данни с Pandas и NumPy
  • Визуализация на данни с Matplotlib и Seaborn

Supervised Learning за финансово предсказване

  • Линейна и логистична регресия
  • Дървета за решаване на проблеми и случайни гори
  • Оценяване на качеството на моделите (точност, прецизност, отзив, AUC)

Unsupervised Learning и откриване на аномалии

  • Техники за кластериране (K-means, DBSCAN)
  • Главни компонентни анализи (PCA)
  • Откриване на изключения за предотвратяване на измами

Оценяване на кредитен риск и моделиране на риск

  • Създаване на модели за оценяване на кредитен риск с логистична регресия и алгоритми базирани на дървета
  • Работа с небалансирани набори данни в приложения за риск
  • Интерпретируемост и справедливост на моделите в финансовите решения

Откриване на измами с Machine Learning

  • Често срещани видове финансови измами
  • Използване на класификационни алгоритми за откриване на аномалии
  • Реално време за оценяване и стратегии за развертяване

Развертяване на модели и етика в финансовия изкуствен интелигент

  • Развертяване на модели с Python, Flask или облачни платформи
  • Етични разглеждания и съответствие на регулациите (например, GDPR, обясняваемост)
  • Наблюдение и преобучаване на модели в продукционни среди

Резюме и следващи стъпки

Изисквания

  • Разбиране на основни статистики и финансови концепции
  • Опит с Excel или други инструменти за анализ на данни
  • Основни познания по програмиране (предпочитано в Python)

Целева аудитория

  • Финансови аналитици
  • Актуарии
  • Рискови офицери
 21 часа

Брой участници


Цена за участник

Отзиви от потребители (1)

Предстоящи Курсове

Свързани Kатегории