Course Outline
Εισαγωγή στη τεχνητή νοημοσύνη στον χρηματοοικονομικό τομέα
- Επισκόπηση εφαρμογών τεχνητής νοημοσύνης στα χρηματοοικονομικά (ανίχνευση απάτης, αλγοριθμική διαπραγμάτευση, αξιολόγηση κινδύνου)
- Εισαγωγή στις αρχές της ανάλυσης δεδομένων και στα είδη των οικονομικών δεδομένων
- Δεοντολογικά ζητήματα και κανονιστική συμμόρφωση στην εφαρμογή της τεχνητής νοημοσύνης
- Ρύθμιση περιβάλλοντος Python/R για ανάλυση οικονομικών δεδομένων
Συλλογή και Προεπεξεργασία Δεδομένων
- Πηγές δεδομένων στον χρηματοπιστωτικό τομέα (στοιχεία μετοχών, δείκτες αγοράς, δεδομένα πελατών)
- Τεχνικές καθαρισμού, κανονικοποίησης και μετασχηματισμού δεδομένων
- Μηχανική χαρακτηριστικών για βελτιωμένη ανάλυση δεδομένων
- Προεπεξεργασία ενός χρηματοοικονομικού συνόλου δεδομένων για ανάλυση
Machine Learning Αλγόριθμοι για οικονομικά δεδομένα
- Εποπτευόμενοι αλγόριθμοι μάθησης (γραμμική παλινδρόμηση, δέντρα αποφάσεων, τυχαίο δάσος)
- Εκμάθηση χωρίς επίβλεψη για ανίχνευση ανωμαλιών (ομαδοποίηση k-means, DBSCAN)
- Ανάλυση περιπτωσιολογικής μελέτης: Μοντέλα πιστοληπτικής αξιολόγησης και διαχείριση κινδύνων
- Δημιουργία ενός εποπτευόμενου μοντέλου για την πρόβλεψη των τιμών των μετοχών
Προηγμένες τεχνικές AI και βελτιστοποίηση μοντέλων
- Μοντέλα βαθιάς μάθησης για οικονομικά δεδομένα (LSTM για πρόβλεψη χρονοσειρών)
- Εισαγωγή στην ενισχυτική μάθηση για τη λήψη αποφάσεων σε στρατηγικές συναλλαγών
- Συντονισμός υπερπαραμέτρων και επικύρωση μοντέλου
- Εφαρμογή LSTM για δεδομένα οικονομικών χρονοσειρών
Οπτικοποίηση, Ερμηνεία και Αναφορά
- Βέλτιστες πρακτικές οπτικοποίησης δεδομένων με χρήση βιβλιοθηκών (Matplotlib, Seaborn, Tableau)
- Ερμηνεία αποτελεσμάτων μοντέλων για επιχειρηματικές γνώσεις
- Δημιουργία ολοκληρωμένων αναφορών για τα ενδιαφερόμενα μέρη
- Αναλύστε και παρουσιάστε οικονομικά δεδομένα χρησιμοποιώντας μια πλήρη ροή εργασιών AI
Περίληψη και Επόμενα Βήματα
Requirements
- Βασικές γνώσεις προγραμματισμού Python/R
- Κατανόηση χρηματοοικονομικής ορολογίας και βασικών στατιστικών
Ακροατήριο
- Οι οικονομικοί αναλυτές
- Επιστήμονες δεδομένων
- Διαχειριστές κινδύνου
Testimonials (4)
Η Deepthi ήταν εξαιρετικά προσαρμοσμένη στις ανάγκες μου, μπορούσε να πει πότε να προσθέσει επίπεδα πολυπλοκότητας και πότε να κρατήσει πίσω και να ακολουθήσει μια πιο δομημένη προσέγγιση. Ο Deepthi δούλεψε πραγματικά με τον ρυθμό μου και διασφάλισε ότι θα μπορούσα να χρησιμοποιήσω τις νέες λειτουργίες/εργαλεία μόνος μου, δείχνοντάς μου πρώτα, στη συνέχεια, επιτρέποντάς μου να αναδημιουργήσω τα αντικείμενα μόνος μου, κάτι που βοήθησε πραγματικά στην ενσωμάτωση της εκπαίδευσης. Δεν θα μπορούσα να είμαι πιο χαρούμενος με τα αποτελέσματα αυτής της εκπαίδευσης και με το επίπεδο τεχνογνωσίας της Deepthi!
Deepthi - Invest Northern Ireland
Course - IBM Cognos Analytics
Machine Translated
Κοινή χρήση παραδείγματος εφαρμογής
Course - Alteryx for Data Analysis
Machine Translated
Very clearly articulated and explained
Harshit Arora - PwC South East Asia Consulting
Course - Alteryx for Developers
Linear regression - the algorithm to predict the trend