Köszönjük, hogy elküldte érdeklődését! Csapatunk egyik tagja hamarosan felveszi Önnel a kapcsolatot.
Köszönjük, hogy elküldte foglalását! Csapatunk egyik tagja hamarosan felveszi Önnel a kapcsolatot.
Kurzusleírás
Bevezetés az Machine Learning-be a Finance-ben
- Áttekintés az AI és ML szerepéről a pénzügyi szektorban
- Machine learning típusai (felügyelt, fel nem ügyelt, erősítés alapú tanulás)
- Események hamisítványfelderítésben, hitelértékelésben és kockázatmodellezésben
Python és az adatkezelés alapjai
- Python használata az adatmanipulációhoz és elemzéshez
- Pénzügyi adathalmazok feltárása Pandas-al és NumPy-val
- Adatvizualizáció Matplotlib és Seaborn használatával
Supervised Learning a pénzügyi előrejelzéshez
- Lineáris és logisztikus regresszió
- Döntési fák és random erdők
- Modell teljesítményének értékelése (pontosság, precizitás, recall, AUC)
Unsupervised Learning és anomáliafelderítés
- Clusterizációs technikák (K-means, DBSCAN)
- Főkomponens-analízis (PCA)
- Hamisítványok felderítése az anomáliák azonosításával
Hitelértékelés és kockázatmodellezés
- Hitelértékelési modellek létrehozása logisztikus regresszió és faalapú algoritmusokkal
- Egyensúlytalan adathalmazok kezelése kockázatalkalmazásokban
- Modell értelmezhetősége és igazságosság a pénzügyi döntéshozatalban
Hamisítványfelderítés Machine Learning-vel
- Pénzügyi hamisítványok típusai
- Osztályozási algoritmusok használata az anomáliák felderítéséhez
- Valóidejű pontszámozás és telepítési stratégiák
Modelltelepítés és etika a pénzügyi AI-ben
- Modelltelepítés Python-vel, Flask-kel vagy felhőplatformokkal
- Etikai szempontok és szabályozási megfelelés (GDPR, magyarázhatóság)
- Modellok monitorozása és újratanítása termelési környezetben
Összegzés és következő lépések
Követelmények
- Statisztika és pénzügyi fogalmak alapismerete
- Excel vagy más adat-analízis eszközök tapasztalata
- Alapvető programozási ismeretek (Python-ban preferált)
Célközönség
- Pénzügyi elemzők
- Aktuáriusok
- Kockázati igazgatók
21 Órák
Vélemények (1)
A nagyon értékeltem, hogy a tréner milyen módon mutatta be mindent. Mindenkit megértettem, még ha Finance nem a területem, de biztosított rá, hogy minden résztvevő azonos szinten legyen, miközben figyelt az időre is. A gyakorlatokat jó intervallumokban helyezte el. Communication a résztvevőkkel mindig ott volt. Az anyag tökéletes volt, nem túl sokat, nem túl keveset. Nagyon jó módon magyarázta el a valamivel bonyolultabb tárgyakat, hogy mindenki megérthesse.
Diana
Kurzus - ChatGPT for Finance
Gépi fordítás
