Kursplan

Introduktion till Machine Learning inom Finance

  • Översikt över AI och ML inom finansbranschen
  • Typer av maskininlärning (övervakad, oövervakad, förstärkande inlärning)
  • Fallstudier inom bedrägeridetektering, kreditbedömning och riskmodellering

Python och grundläggande datahantering

  • Användning av Python för datahantering och analys
  • Undersökning av finansiella datamängder med Pandas och NumPy
  • Datavisualisering med Matplotlib och Seaborn

Supervised Learning för finansiella prognoser

  • Linjär och logistisk regression
  • Besluts-träd och slumpmässiga skogar
  • Utvärdering av modellprestanda (noggrannhet, precision, recall, AUC)

Unsupervised Learning och anomalidetektering

  • Klustringstekniker (K-means, DBSCAN)
  • Principal Component Analysis (PCA)
  • Utstickar-detektering för bedrägeriförebyggande

Kreditbedömning och riskmodellering

  • Byggande av kreditbedömningsmodeller med logistisk regression och trädbaserade algoritmer
  • Hantering av obalanserade datamängder i riskapplikationer
  • Modelltolkning och rättvisa i finansiella beslutsprocesser

Bedrägeridetektering med Machine Learning

  • Vanliga typer av finansiell bedrägeri
  • Användning av klassificeringsalgoritmer för anomalidetektering
  • Real-tidsbetygning och implementeringsstrategier

Modellimplementering och etik inom finansiell AI

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

Sammanfattning och nästa steg

Krav

  • Förståelse för grundläggande statistik och finansiella begrepp
  • Erfarenhet av Excel eller andra dataanalysverktyg
  • Grundläggande programmeringskunskap (förträffsvis i Python)

Målgrupp

  • Finansiella analytiker
  • Aktuarier
  • Riskchef
 21 timmar

Antal deltagare


Pris per deltagare

Vittnesmål (1)

Kommande Kurser

Relaterade Kategorier