聯繫我們

課程簡介

財務領域的機器學習介紹

  • 金融產業中 AI 和 ML 的概覽
  • 機器學習的類型(監督式、非監督式、強化學習)
  • 詐騙偵測、信用評分及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 探索財務數據集
  • 使用 Matplotlib 和 Seaborn 進行數據可視化

用於財務預測的監督式學習

  • 線性回歸與邏輯回歸
  • 決策樹與隨機森林
  • 模型效能評估(準確度、精確率、召回率、AUC)

非監督式學習與異常偵測

  • 聚類技術(K-means, DBSCAN)
  • 主成分分析 (PCA)
  • 用於詐騙預防的離群點檢測

信用評分與風險建模

  • 使用邏輯回歸和樹狀演算法建構信用評分模型
  • 處理風險應用中的不平衡數據集
  • 財務決策中的模型可解釋性與公平性

機器學習在詐騙偵測中的應用

  • 常見的財務詐騙類型
  • 使用分類演算法進行異常偵測
  • 實時評分與部署策略

模型部署與金融 AI 的道德規範

  • 使用 Python、Flask 或雲端平台部署模型
  • 道德考量與法規遵循(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

  • 具備基本統計學和財務概念的知識
  • 有使用 Excel 或其他數據分析工具的經驗
  • 具備基本的程式設計知識(建議使用 Python)

受眾

  • 財務分析師
  • 精算師
  • 風險官
 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