Kurzusleírás

Bevezetés az MI-be a Pénzügyi Szektorban

  • Az MI alkalmazásainak áttekintése a pénzügyekben (csalásfelismerés, algoritmikus kereskedés, kockázatértékelés)
  • Bevezetés az adatelemzés alapelveibe és a pénzügyi adatok típusaiba
  • Etikai megfontolások és szabályozási megfelelőség az MI implementációjában
  • Python/R környezet beállítása pénzügyi adatelemzéshez

Adatgyűjtés és Előfeldolgozás

  • Adatforrások a pénzügyi szektorban (részvényadatok, piaci indexek, ügyféladatok)
  • Adattisztítás, normalizálás és transzformációs technikák
  • Jellemzőtervezés a fokozott adatelemzéshez
  • Pénzügyi adathalmaz előfeldolgozása elemzéshez

Gépi Tanulási Algoritmusok Pénzügyi Adatokhoz

  • Felügyelt tanulási algoritmusok (lineáris regresszió, döntési fák, véletlen erdő)
  • Nem felügyelt tanulás anomáliadetektáláshoz (k-átlag klaszterezés, DBSCAN)
  • Esettanulmány elemzése: Hitelminősítési modellek és kockázatkezelés
  • Felügyelt modell építése részvényárak előrejelzéséhez

Fejlett MI Technikák és Modelloptimalizálás

  • Mélytanulási modellek pénzügyi adatokhoz (LSTM időszoros előrejelzéshez)
  • Bevezetés a megerősítéses tanulásba a kereskedési stratégiák döntéshozatalában
  • Hiperparaméter-hangolás és modell-érvényesítés
  • LSTM implementálása pénzügyi időszoros adatokhoz

Vizualizáció, Értelmezés és Jelentéskészítés

  • Adatvizualizáció best practices könyvtárak használatával (Matplotlib, Seaborn, Tableau)
  • Modellek kimeneteinek értelmezése üzleti betekintésekhez
  • Átfogó jelentések készítése az érdekelt felek számára
  • Pénzügyi adatok elemzése és bemutatása egy teljes MI munkafolyamattal

Összefoglalás és Következő Lépések

Követelmények

  • Alapvető ismeretek a Python/R programozásban
  • A pénzügyi terminológia és az alapvető statisztika ismerete

Célközönség

  • Pénzügyi elemzők
  • Adattudósok
  • Kockázatkezelők
 28 Órák

Résztvevők száma


Ár per résztvevő

Vélemények (4)

Közelgő kurzusok

Rokon kategóriák