Kurzusleírás
Bevezetés az AI-ba a pénzügyi szektorban
- Az AI-alkalmazások áttekintése a pénzügyekben (csalásfelderítés, algoritmikus kereskedés, kockázatértékelés)
- Bevezetés az adatelemzési elvekbe és a pénzügyi adatok típusaiba
- Etikai megfontolások és szabályozási megfelelés a mesterséges intelligencia megvalósításában
- Python/R környezet beállítása pénzügyi adatok elemzéséhez
Adatgyűjtés és előfeldolgozás
- A pénzügyi szektor adatforrásai (tőzsdei adatok, piaci indexek, ügyféladatok)
- Adattisztítási, normalizálási és transzformációs technikák
- Funkciótervezés a továbbfejlesztett adatelemzés érdekében
- Pénzügyi adatkészlet előfeldolgozása elemzéshez
Machine Learning Pénzügyi adatok algoritmusai
- Felügyelt tanulási algoritmusok (lineáris regresszió, döntési fák, véletlenszerű erdő)
- Felügyelet nélküli tanulás az anomália észleléséhez (k-means clustering, DBSCAN)
- Esettanulmány elemzés: Credit scoring modellek és kockázatkezelés
- Felügyelt modell felépítése a részvényárfolyamok előrejelzésére
Fejlett mesterséges intelligencia technikák és modelloptimalizálás
- Mély tanulási modellek pénzügyi adatokhoz (LSTM az idősoros előrejelzéshez)
- Bevezetés a kereskedési stratégiák döntéshozatalához szükséges megerősítő tanulásba
- Hiperparaméter hangolás és modell validálás
- Az LSTM megvalósítása pénzügyi idősoros adatokhoz
Vizualizálás, értelmezés és jelentéskészítés
- Adatvizualizációs bevált gyakorlatok könyvtárak használatával (Matplotlib, Seaborn, Tableau)
- A modell kimeneteinek értelmezése az üzleti betekintéshez
- Átfogó jelentések készítése az érintettek számára
- A pénzügyi adatok elemzése és bemutatása egy teljes mesterségesintelligencia-munkafolyamat segítségével
Összegzés és a következő lépések
Követelmények
- Python/R programozási alapismeretek
- Pénzügyi terminológia és alapstatisztika megértése
Közönség
- Pénzügyi elemzők
- Adattudósok
- Kockázatmenedzserek
Vélemények (4)
Deepthi szuperül igazodott az igényeimhez, meg tudta mondani, mikor kell összetettebb rétegeket hozzáadni, és mikor kell visszafogni, és strukturáltabb megközelítést alkalmazni. Deepthi valóban az én tempómban dolgozott, és biztosította, hogy magam is tudjam használni az új funkciókat/eszközöket azáltal, hogy először megmutatta, majd engedte, hogy magam készítsem újra azokat az elemeket, amelyek valóban segítették a képzés beágyazását. Nem is lehetnék boldogabb ennek a képzésnek az eredményeinek és a Deepthi szakértelmének!
Deepthi - Invest Northern Ireland
Kurzus - IBM Cognos Analytics
Gépi fordítás
Ossza meg az alkalmazási példát
Kurzus - Alteryx for Data Analysis
Gépi fordítás
Very clearly articulated and explained
Harshit Arora - PwC South East Asia Consulting
Kurzus - Alteryx for Developers
Linear regression - the algorithm to predict the trend