Zkuste nás kontaktovat

Návrh Školení

Úvod do machine learningu ve financích

  • Přehled využití umělé inteligence a machine learningu ve finančním sektoru
  • Typy machine learningu – supervised, unsupervised a reinforcement learning
  • Praktické příklady využití: detekce podvodů, skórování úvěruschopnosti a modelování rizik

Základy práce s daty a Pythonem

  • Práce s daty pomocí jazyka Python – manipulace a analýza
  • Práce s finančními datovými sadami pomocí knihoven Pandas a NumPy
  • Vizualizace dat pomocí nástrojů Matplotlib a Seaborn

Supervised learning pro predikci v financech

  • Lineární a logistická regrese
  • Rozhodovací stromy a náhodné lesy
  • Hodnocení výkonnosti modelů – přesnost, citlivost, specificita, AUC

Unsupervised learning a detekce anomálií

  • Metody shlukování – K-means, DBSCAN
  • Principy analýzy hlavních komponent (PCA)
  • Identifikace výjimek a anomálií pro účely prevence podvodů

Skórování úvěruschopnosti a modelování rizik

  • Konstrukce modelů skórování na základě logistické regrese a algoritmů typu „tree-based“
  • Zvládání nerovnoměrně rozložených dat při řešení rizikových situací
  • Vysvětlitelnost modelů a jejich spravedlnost v kontextu finančních rozhodnutí

Detekce podvodů pomocí machine learningu

  • Nejčastější typy finančních podvodů
  • Využití klasifikačních algoritmů pro identifikaci abnormálních jevů
  • Strategie okamžitého skórování a nasazení modelů do praxe

Nasazování modelů a etika v oblasti umělé inteligence ve financích

  • Instalace a spuštění modelů pomocí Pythonu, frameworku Flask či cloudových platform
  • Etické aspekty a soulad s legislativou (např. GDPR, požadavky na vysvětlitelnost)
  • Sledování výkonnosti modelů a jejich periodické přetrénování v reálném provozu

Shrnutí a další kroky

Požadavky

  • Základní znalosti statistiky a finančních pojmů
  • Praktické zkušenosti s nástrojem Excel nebo jinými analytickými programy
  • Základní programátorské dovednosti (nejlépe v Pythonu)

Cílová skupina

  • Finanční analytici
  • Aktuáři
  • Odpovědní pracovníci za řízení rizik
 21 Hodiny

Počet účastníků


Cena za účastníka

Reference (5)

Nadcházející kurzy

Související kategorie