聯繫我們
 課程時長 21 時間: (3 天)

課程簡介

金融領域的機器學習介紹

  • 金融行業中的人工智能與機器學習概覽
  • 機器學習的類型(有監督學習、無監督學習、強化學習)
  • 欺诈檢測、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 進行數據操作與分析
  • 使用 Pandas 和 NumPy 探索金融數據集
  • 使用 Matplotlib 和 Seaborn 進行數據可視化

用於金融預測的有監督學習

  • 線性回歸和邏輯回歸
  • 決策樹和隨機森林
  • 評估模型性能(準確率、精確率、召回率、AUC)

無監督學習與異常檢測

  • 聚類技術(K-means、DBSCAN)
  • 主成分分析(PCA)
  • 用於防欺诈的離群值檢測

信用評分與風險建模

  • 使用邏輯回歸和基於樹的算法構建信用評分模型
  • 處理風險應用中的不平衡數據集
  • 金融決策中的模型可解釋性與公平性

使用機器學習進行欺诈檢測

  • 常見的金融欺诈類型
  • 使用分類算法進行異常檢測
  • 即時評分與部署策略

模型部署與金融人工智能倫理

  • 使用 Python、Flask 或雲平台部署模型
  • 倫理考量與法規合規(例如 GDPR、可解釋性)
  • 在生產環境中監控和重新訓練模型

總結與後續步驟

最低要求

  • 具備基礎統計學和金融概念的理解
  • 有使用 Excel 或其他數據分析工具的經驗
  • 具備基礎編程知識(優先推薦 Python)

目標受眾

  • 金融分析師
  • 精算師
  • 風險管理官

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