Ta kontakt

Kursplan

Introduksjon til maskinlæring i finans

  • Oversikt over AI og ML i finansbransjen
  • Typer av maskinlæring (overvåket, uovervåket, forsterkningslæring)
  • Case studies i svindelavdekking, kredittvurdering og risikomodellering

Python og grunnleggende datahåndtering

  • Bruk av Python for databehandling og analyse
  • Utforsking av finansielle datasets med Pandas og NumPy
  • Datavisualisering ved hjelp av Matplotlib og Seaborn

Overvåket læring for finansiell prediksjon

  • Lineær og logistisk regresjon
  • Besluttreer og tilfeldige skoger
  • Vurdering av modellprestasjoner (nøyaktighet, presisjon, treffrate, AUC)

Uovervåket læring og anomaliavdekking

  • Klusteringsmetoder (K-means, DBSCAN)
  • Hovedkomponentanalyse (PCA)
  • Avviksdeteksjon for svindelforebyggelse

Kredittvurdering og risikomodellering

  • Bygge kredittvurderingsmodeller ved hjelp av logistisk regresjon og trebaserte algoritmer
  • Håndtering av ubalanserte datasets i risikosoftware
  • Modellforklarbarhet og rettferdighet i finansielle beslutninger

Svindelavdekking med maskinlæring

  • Vanlige typer finansiell svindel
  • Bruk av klassifiseringsalgoritmer for anomaliavdekking
  • Sanntidskreditering og strategier for implementering

Modellimplementering og etikk i finansiell AI

  • Implementere modeller med Python, Flask eller skyplattformer
  • Etiske betraktninger og regulatorisk samsvar (f.eks. GDPR, forklarenhet)
  • Overvåking og retraining av modeller i produksjonsmiljøer

Oppsummering og neste steg

Krav

  • Forståelse for grunnleggende statistikk og finansielle konsepter
  • Erfaring med Excel eller andre dataverktøy
  • Grunnleggende programmeringskunnskaper (foretruknet i Python)

Målgruppe

  • Finansielle analysere
  • Aktuarter
  • Risikooffiserer
 21 Timer

Antall deltakere


Pris per deltaker

Referanser (5)

Kommende kurs

Relaterte kategorier