課程簡介

Machine Learning在Finance中的介紹

  • AI和ML在金融行業的概述
  • 機器學習的類型(監督學習、無監督學習、強化學習)
  • 欺詐檢測、信用評分和風險建模的案例研究

Python與數據處理基礎

  • 使用Python進行數據操作和分析
  • 使用Pandas和NumPy探索金融數據集
  • 使用Matplotlib和Seaborn進行數據可視化

Supervised Learning用於金融預測

  • 線性迴歸和邏輯迴歸
  • 決策樹和隨機森林
  • 模型性能評估(準確率、精確率、召回率、AUC)

Unsupervised Learning與異常檢測

  • 聚類技術(K-means、DBSCAN)
  • 主成分分析(PCA)
  • 用於欺詐預防的異常值檢測

信用評分與風險建模

  • 使用邏輯迴歸和基於樹的算法構建信用評分模型
  • 在風險應用中處理不平衡數據集
  • 金融決策中的模型可解釋性和公平性

使用Machine Learning進行欺詐檢測

  • 常見的金融欺詐類型
  • 使用分類算法進行異常檢測
  • 即時評分和部署策略

模型部署與金融AI中的倫理

  • 使用Python、Flask或雲平臺部署模型
  • 倫理考量和監管合規(如GDPR、可解釋性)
  • 在生產環境中監控和重新訓練模型

總結與下一步

最低要求

  • 瞭解基礎統計和財務概念
  • 具備使用Excel或其他數據分析工具的經驗
  • 基礎編程知識(最好是Python)

受衆

  • 財務分析師
  • 精算師
  • 風險管理人員
 21 時間:

人數


每位參與者的報價

客戶評論 (1)

即將到來的課程

課程分類