Kom i kontakt

Kursplan

Introduktion till maskinlärning inom finanssektorn

  • Översikt över AI och ML inom finansbranschen
  • Typer av maskinlärning (övervakad, oövervakad, förstärkande lärande)
  • Fallstudier inom bedrägeribekämpning, kreditoriskbedömning och riskmodellering

Python och grundläggande databehandling

  • Användning av Python för databehandling och analys
  • Utforskning av finansiella datamängder med Pandas och NumPy
  • Datalvisualisering med Matplotlib och Seaborn

Övervakat lärande för finansiell förutsägelse

  • Linjär och logistisk regression
  • Besluts träddiagram och slumpmässiga skogar
  • Utvärdering av modellprestanda (precision, exakthet, recall, AUC)

Oövervakat lärande och anomaliupptäckt

  • Klustringstekniker (K-means, DBSCAN)
  • Huvudkomponentanalys (PCA)
  • Upptäckt av outliers för bedrägeriförebyggande

Kreditoriskbedömning och riskmodellering

  • Byggande av kreditoriskmodeller med logistisk regression och trädbaserade algoritmer
  • Hantering av obalanserade datamängder i risktillämpningar
  • Modelltolkbarhet och rättvisa i finansiella beslutsprocesser

Bedrägeribekämpning med maskinlärning

  • Vanliga typer av finansiell bedrägeri
  • Användning av klassificeringsalgoritmer för anomaliupptäckt
  • Realtidsbedömning och lanseringsstrategier

Modellimplementering och etik inom finansiell AI

  • Implementering av modeller med Python, Flask eller molnplattformar
  • Etiska överväganden och regulatorisk efterlevnad (t.ex. GDPR, förklarbarhet)
  • Övervakning och omträning av modeller i produktionsmiljöer

Sammanfattning och nästa steg

Krav

  • Grundläggande kunskaper i statistik och finansiella begrepp
  • Erfarenhet av Excel eller andra dataanalyzinstrument
  • Grundläggande programmeringskunskaper (föredrar Python)

Målgrupp

  • Finansiella analytiker
  • Aktuarier
  • Riskchefer
 21 Timmar

Antal deltagare


Pris per deltagare

Vittnesmål (5)

Kommande Kurser

Relaterade Kategorier