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
Vélemények (4)
Deepthi nagyon jól érezte meg igényeimet, tudta, mikor kell bővíteni a összetettséget és mikor inkább rendezett módon haladjon tovább. Deepthi valóban a saját tempómban dolgozott velem, és biztosította, hogy képes legyek önállóan használni az új funkciókat/eszközöket. Először bemutatta őket, majd engedte, hogy én ismétlém meg őket, ami nagyon segített a tananyag beillesztésében. Nem lehetne elégedettebb a képzés eredményeivel és Deepthi szakmai tudásával!
Deepthi - Invest Northern Ireland
Kurzus - IBM Cognos Analytics
Gépi fordítás
Ossz meg példát egy alkalmazásról
Kurzus - Alteryx for Data Analysis
Gépi fordítás
Nagyon világosan és részletesen elmagyarázva
Harshit Arora - PwC South East Asia Consulting
Kurzus - Alteryx for Developers
Gépi fordítás
Lineáris regresszió – az algoritmus, amely előre jelez a trendet
Vincent Ko - UBS
Kurzus - Data Preparation with Alteryx
Gépi fordítás