Plan Szkolenia

Wprowadzenie do AI w sektorze finansowym

  • Przegląd zastosowań AI w finansach (wykrywanie oszustw, handel algorytmiczny, ocena ryzyka)
  • Wprowadzenie do zasad analizy danych i rodzajów danych finansowych
  • Kwestie etyczne i zgodność z przepisami w implementacji AI
  • Konfiguracja środowiska Python/R do analizy danych finansowych

Zbieranie i przetwarzanie wstępne danych

  • Źródła danych w sektorze finansowym (dane giełdowe, indeksy rynkowe, dane klientów)
  • Techniki czyszczenia, normalizacji i transformacji danych
  • Inżynieria cech dla lepszej analizy danych
  • Przetwarzanie wstępne zbioru danych finansowych do analizy

Algorytmy uczenia maszynowego dla danych finansowych

  • Algorytmy uczenia nadzorowanego (regresja liniowa, drzewa decyzyjne, lasy losowe)
  • Uczenie nienadzorowane do wykrywania anomalii (k-średnie, DBSCAN)
  • Analiza przypadków: Modele oceny kredytowej i zarządzanie ryzykiem
  • Budowanie modelu nadzorowanego do przewidywania cen akcji

Zaawansowane techniki AI i optymalizacja modeli

  • Modele głębokiego uczenia dla danych finansowych (LSTM do prognozowania szeregów czasowych)
  • Wprowadzenie do uczenia przez wzmacnianie w strategiach handlowych
  • Dostrajanie hiperparametrów i walidacja modelu
  • Implementacja LSTM dla danych szeregów czasowych w finansach

Wizualizacja, interpretacja i raportowanie

  • Najlepsze praktyki wizualizacji danych przy użyciu bibliotek (Matplotlib, Seaborn, Tableau)
  • Interpretacja wyników modeli dla uzyskania wniosków biznesowych
  • Tworzenie kompleksowych raportów dla interesariuszy
  • Analiza i prezentacja danych finansowych przy użyciu pełnego przepływu pracy AI

Podsumowanie i kolejne kroki

Wymagania

  • Podstawowa znajomość programowania w Python/R
  • Zrozumienie terminologii finansowej i podstaw statystyki

Grupa docelowa

  • Analitycy finansowi
  • Data scientists
  • Menadżerowie ryzyka
 28 godzin

Liczba uczestników


Cena za uczestnika (netto)

Opinie uczestników (3)

Propozycje terminów

Powiązane Kategorie