Návrh Školení

Vstup do Machine Learning v oblasti Finance

  • Přehled AI a ML ve finančním sektoru
  • Typy strojového učení (nadzorované, ne nadzorované, reforzovací učení)
  • Případová studia v detekci podvodu, kreditních hodnocích a modelování rizik

Python a základy práce s daty

  • Využití Python pro manipulaci se daty a analýzu
  • Pracování s finančními datasety pomocí Pandas a NumPy
  • Datová vizualizace pomocí Matplotlib a Seaborn

Supervised Learning pro finanční predikci

  • Lineární a logistické regrese
  • Rozhodovací stromy a náhodné lesy
  • Hodnocení výkonu modelů (presnost, přesnost, recall, AUC)

Unsupervised Learning a detekce anomálií

  • Klasterizační techniky (K-means, DBSCAN)
  • Hlavní komponentová analýza (PCA)
  • Detekce outlierů pro prevenci podvodu

Kreditní hodnocení a modelování rizik

  • Vytvoření kreditních hodnotících modelů pomocí logistické regrese a stromových algoritmů
  • Práce s nevyvazovanými datasety v aplikacích rizika
  • Interpretace modelu a spravedlnost ve finančním rozhodování

Detekce podvodu pomocí Machine Learning

  • Běžné typy finančního podvodu
  • Využití klasifikačních algoritmů pro detekci anomálií
  • Skórovaní a strategie nasazení v reálném čase

Nasazování modelů a etické aspekty AI ve finančních systémech

  • Nasazování modelů pomocí Python, Flask nebo cloudových platform
  • Etické záležitosti a dodržování právních požadavků (např. GDPR, vysvětlitelnost)
  • Monitoring a znovoučinení modelů ve produkčních prostředích

Závěr a další kroky

Požadavky

  • Přehled základních statistických a finančních pojmů
  • Zkušenosti s Excel nebo jinými nástroji pro analýzu dat
  • Základní znalosti programování (především v Python)

Audience

  • Finanční analysté
  • Aktuárský personál
  • Rizikoví manažeři
 21 hodiny

Počet účastníků


Cena za účastníka

Reference (1)

Nadcházející kurzy

Související kategorie