Plan Szkolenia
Wprowadzenie do sztucznej inteligencji w sektorze finansowym
- Przegląd zastosowań sztucznej inteligencji w finansach (wykrywanie oszustw, handel algorytmiczny, ocena ryzyka)
- Wprowadzenie do zasad analizy danych i rodzajów danych finansowych
- Kwestie etyczne i zgodność z przepisami we wdrażaniu sztucznej inteligencji
- Konfiguracja środowiska Python/R do analizy danych finansowych
Gromadzenie i wstępne przetwarzanie danych
- Źródła danych w sektorze finansowym (dane giełdowe, indeksy rynkowe, dane klientów)
- Czyszczenie danych, normalizacja i techniki transformacji
- Inżynieria cech dla ulepszonej analizy danych
- Wstępne przetwarzanie zbioru danych finansowych do analizy
[Algorytmy dla danych finansowych
- Algorytmy uczenia nadzorowanego (regresja liniowa, drzewa decyzyjne, las losowy)
- Uczenie bez nadzoru do wykrywania anomalii (grupowanie k-średnich, DBSCAN)
- Analiza studium przypadku: Modele scoringu kredytowego i zarządzanie ryzykiem
- Budowanie nadzorowanego modelu do przewidywania cen akcji
Zaawansowane techniki sztucznej inteligencji i optymalizacja modeli
- Modele głębokiego uczenia dla danych finansowych (LSTM do prognozowania szeregów czasowych)
- Wprowadzenie do uczenia ze wzmocnieniem na potrzeby podejmowania decyzji w strategiach handlowych
- Dostrajanie hiperparametrów i walidacja modelu
- Wdrażanie LSTM dla finansowych danych szeregów czasowych
Wizualizacja, interpretacja i raportowanie
- Najlepsze praktyki wizualizacji danych przy użyciu bibliotek (Matplotlib, Seaborn, Tableau)
- Interpretacja wyników modelu dla celów biznesowych
- Tworzenie kompleksowych raportów dla interesariuszy
- Analiza i prezentacja danych finansowych przy użyciu kompletnego przepływu pracy AI
Podsumowanie i kolejne kroki
Wymagania
- Podstawowa znajomość programowania Python/R
- Zrozumienie terminologii finansowej i podstawowych statystyk
Publiczność
- Analitycy finansowi
- Naukowcy zajmujący się danymi
- Menedżerowie ryzyka
Opinie uczestników (5)
Deepthi była bardzo wyczulona na moje potrzeby, potrafiła zauważyć kiedy dodawać kolejne warstwy złożoności, a kiedy cofnąć się i podjąć bardziej strukturalny sposób działania. Deepthi naprawdę pracowała w moim tempie i zapewniła, że sam jestem w stanie wykorzystać nowe funkcje/narzędzia, pokazując mi najpierw, a następnie pozwalając na ich odtworzenie przez mnie, co bardzo pomogło zatrwalić trening. Nie mogłem być bardziej zadowolony z wyników tego szkolenia i poziomu ekspertyzy Deepthi!
Deepthi - Invest Northern Ireland
Szkolenie - IBM Cognos Analytics
Przetłumaczone przez sztuczną inteligencję
Podziel przykładem aplikacji
Szkolenie - Alteryx for Data Analysis
Przetłumaczone przez sztuczną inteligencję
Bardzo jasno i zrozumiale przedstawione i wyjaśnione
Harshit Arora - PwC South East Asia Consulting
Szkolenie - Alteryx for Developers
Przetłumaczone przez sztuczną inteligencję
Regresja liniowa - algorytm do przewidywania trendu
Vincent Ko - UBS
Szkolenie - Data Preparation with Alteryx
Przetłumaczone przez sztuczną inteligencję
Forma prowadzenia jako zajęć interaktywnych