聯繫我們

課程簡介

金融中的机器学习简介

  • 人工智能与机器学习在金融行业概览
  • 机器学习类型,包括监督式、非监督式、强化学习
  • 欺诈检测、信用评分和风险建模的案例研究

Python与数据处理基础

  • 使用Python进行数据操作与分析
  • 利用Pandas和NumPy探索金融数据集
  • 使用Matplotlib和Seaborn进行数据可视化

用于金融预测的监督式学习

  • 线性回归与逻辑回归
  • 决策树与随机森林
  • 评估模型性能,包括准确率、精确率、召回率、AUC

非监督式学习与异常检测

  • 聚类技术,如K-means、DBSCAN
  • 主成分分析(PCA)
  • 用于欺诈预防的离群点检测

信用评分与风险建模

  • 使用逻辑回归和基于树的算法构建信用评分模型
  • 在风险应用中处理不平衡数据集
  • 金融决策中的模型可解释性与公平性

使用机器学习的欺诈检测

  • 常见的金融欺诈类型
  • 使用分类算法进行异常检测
  • 实时评分与部署策略

金融人工智能中的模型部署与伦理

  • 使用Python、Flask或云平台部署模型
  • 伦理考量与法规合规,例如GDPR、可解释性
  • 在生产环境中监控与重新训练模型

总结与后续步骤

最低要求

  • 了解基本统计与金融概念
  • 具有使用Excel或其他数据分析工具的经验
  • 具备基本的编程知识,最好熟悉Python

受众

  • 金融分析师
  • 精算师
  • 风险官
 21 小時

人數


每位參與者的報價

客戶評論 (5)

即將到來的課程

課程分類