Bądźmy w kontakcie

Plan Szkolenia

Wprowadzenie do uczenia maszynowego w finansach

  • Przegląd AI i ML w branży finansowej
  • Rodzaje uczenia maszynowego (nadzorowane, nienadzorowane, uczenie przez wzmacnianie)
  • Studia przypadków w wykrywaniu oszustw, ocenie zdolności kredytowej i modelowaniu ryzyka

Podstawy Pythona i obsługi danych

  • Wykorzystanie Pythona do manipulacji i analizy danych
  • Eksploracja zbiorów danych finansowych za pomocą Pandas i NumPy
  • Wizualizacja danych za pomocą Matplotlib i Seaborn

Uczenie nadzorowane do przewidywania finansowego

  • Regresja liniowa i logistyczna
  • Drzewa decyzyjne i lasy losowe
  • Ocena wydajności modelu (dokładność, precyzja, czułość, AUC)

Uczenie nienadzorowane i wykrywanie anomalii

  • Techniki grupowania (K-means, DBSCAN)
  • Analiza głównych składowych (PCA)
  • Wykrywanie odstających wartości w celu zapobiegania oszustwom

Ocena zdolności kredytowej i modelowanie ryzyka

  • Budowanie modeli oceny zdolności kredytowej przy użyciu regresji logistycznej i algorytmów opartych na drzewach
  • Praca z niezrównoważonymi zbiorami danych w aplikacjach ryzyka
  • Interpretowalność i uczciwość modeli w podejmowaniu decyzji finansowych

Wykrywanie oszustw za pomocą uczenia maszynowego

  • Typowe rodzaje oszustw finansowych
  • Wykorzystanie algorytmów klasyfikacji do wykrywania anomalii
  • Strategie oceny w czasie rzeczywistym i wdrażania

Wdrażanie modeli i etyka w finansowej AI

  • Wdrażanie modeli za pomocą Pythona, Flask lub platform chmurowych
  • Rozważania etyczne i zgodność z przepisami (np. RODO, wyjaśnialność)
  • Monitorowanie i ponowne szkolenie modeli w środowiskach produkcyjnych

Podsumowanie i kolejne kroki

Wymagania

  • Zrozumienie podstaw statystyki i pojęć finansowych
  • Doświadczenie w pracy z Excelem lub innymi narzędziami do analizy danych
  • Podstawowa znajomość programowania (najlepiej w Pythonie)

Grupa docelowa

  • Analitycy finansowi
  • Aktuariusze
  • Specjaliści ds. ryzyka
 21 godzin

Liczba uczestników


Cena za uczestnika (netto)

Opinie uczestników (5)

Propozycje terminów

Powiązane Kategorie