Open Bank Project for Developers培訓

這種以講師為主導的台灣現場培訓（現場或遠端）面向希望學習法外和司法催收的原則和實踐的金融和法律專業人士，使他們能夠有效地管理和解決催收問題。

在培訓結束時，參與者將能夠：

• 瞭解法外和司法催收的優缺點。
• 運用法外和司法催收的主要方法和技術。
• 評估法外和司法收集的有效性和效率。
• 處理法外和司法收集中涉及的法律和道德問題。
• 以全面和連貫的方式整合法外和司法收集。

合規性和MLRO複習計劃審查了在當今高度監管的環境中至關重要的關鍵風險管理問題和主題。除了針對合規官，MLRO，MLCO和其他風險管理專業人員之外，它還針對高級管理層和董事會成員，他們希望了解更多關於組織內風險控制職能的期望。該計劃由來自英國的主題專家講授。

該計劃的主要學習目標是使與會者掌握足夠的知識，客觀地評估其組織現有風險管理控制和實踐的充分性，並進行適當的改進。

聽眾

所有員工需要的工作知識Corporate Go vernance為他們的組織

課程形式

高度互動的組合：

• 促進討論
• 幻燈片演示文稿
• 例子
• 演習
• 實例探究

聽眾

• 新任的個人貸款經理
• 支持負責收集和解釋貸款經理信息的人員
• 負責管理壞賬和呆賬的員工，他們需要對決策過程有所了解，從而導致出借貸款

向個人客戶提供貸款 - 消費者貸款 - 要求在評估個人貸款提案方面具有高水平的技能。

在許多情況下，它沒有傳統上與公司貸款相關的財務信息來源 - 資產負債表，損益賬戶等 - 並且更多地依賴於客戶和貸方之間建立的信任和關係。

在本課程結束時，個人客戶的貸款人將能夠：

• 了解評估個人客戶貸款主張的流程
• 利用這個過程做出合理的決定，同意貸款或以強有力的理由拒絕貸款
• 管理和控制個人貸款組合，以盡可能確保所有貸款全額償還。 （記住沒有完全沒有風險的貸款......！）
• 與客戶建立融洽關係（盡量！）確保他們的所有貸款都已全額償還

機器學習是人工智能的一個分支，其中計算機具有學習能力而無需明確編程。深度學習是機器學習的一個子領域，它使用基於學習數據表示和結構（如神經網絡）的方法。 R是金融行業中流行的編程語言。它用於從核心交易程序到風險管理系統的金融應用程序。

在這個以講師為主導的現場培訓中，參與者將學習如何使用R實施深度學習模型，因為他們逐步創建深度學習股票價格預測模型。

在培訓結束時，參與者將能夠：

• 理解深度學習的基本概念
• 了解深度學習在金融領域的應用和用途
• 使用R為財務創建深度學習模型
• 使用R建立自己的深度學習股票價格預測模型

聽眾

• 開發商
• 數據科學家

課程形式

• 部分講座，部分討論，練習和繁重的實踐練習

機器學習是人工智能的一個分支，其中計算機具有學習能力而無需明確編程。深度學習是機器學習的一個子領域，它使用基於學習數據表示和結構（如神經網絡）的方法。 Python是一種高級編程語言，以其清晰的語法和代碼可讀性而聞名。

在這個以講師為主導的現場培訓中，參與者將學習如何使用Python實施深度學習銀行模型，同時逐步創建深度學習信用風險模型。

在培訓結束時，參與者將能夠：

• 理解深度學習的基本概念
• 了解深度學習在銀行業務中的應用和用途
• 使用Python ， Keras和TensorFlow為銀行業務創建深度學習模型
• 使用Python構建自己的深度學習信用風險模型

聽眾

• 開發商
• 數據科學家

課程形式

• 部分講座，部分討論，練習和繁重的實踐練習

機器學習是人工智能的一個分支，其中計算機具有學習能力而無需明確編程。深度學習是機器學習的一個子領域，它使用基於學習數據表示和結構（如神經網絡）的方法。 R是金融行業中流行的編程語言。它用於從核心交易程序到風險管理系統的金融應用程序。

在這個由講師指導的實時培訓中，參與者將學習如何使用R實施深度學習銀行模型，因為他們逐步創建深度學習信用風險模型。

在培訓結束時，參與者將能夠：

• 理解深度學習的基本概念
• 了解深度學習在銀行業務中的應用和用途
• 使用R為銀行業務創建深度學習模型
• 使用R建立自己的深度學習信用風險模型

聽眾

• 開發商
• 數據科學家

課程形式

• 部分講座，部分討論，練習和繁重的實踐練習

機器學習是人工智能的一個分支，其中計算機有能力學習而不被明確編程。深度學習是機器學習的一個子領域，它使用基于學習數據表示和結構（如神經網絡）的方法。 Python是一種高級編程語言，因其清晰的語法和代碼可讀性而聞名。 在這種有指導性的現場培訓中，參與者將學習如何通過創建深度學習股票價格預測模型來實現使用Python進行融資的深度學習模型。 在培訓結束後，參與者將能夠： 理解深度學習的基本概念了解金融深度學習的應用和使用使用Python，Keras和TensorFlow爲財務創建深度學習模型使用Python構建自己的深度學習股票價格預測模型 聽衆 開發商數據科學家 課程的格式 部分講座，部分討論，練習和沈重的練習

在培訓期間，將使用Excel的高級功能介紹財務分析的問題。

本課程面向金融分析師，會計師和所有希望通過財務分析問題擴展技能電子表格的人員。

這種以講師為主導的台灣現場現場培訓面向美國和非美國機構的金融專業人士，他們希望瞭解FATCA的法律，合規和執法方面，以保持對美國稅務機關（IRS）的合規性。

在培訓結束時，參與者將能夠理解：

• FATCA對全球稅務合規和財務透明度的影響。
• FATCA的盡職調查和報告要求。
• FATCA最重要的法律方面以及如何確保合規。

該入門課程將為參與者提供關鍵金融市場的一流和詳細工作知識，其目的，功能，主要活動及其監管。它旨在成為部分複習，部分教育和部分挑戰，以便所有代表將從中獲得最大利益。在整個會議期間將積極鼓勵反饋和討論，這些會議旨在互動，而不僅僅是反應性和事實性。

主要職能是確保完成後，所有課程代表將更好地處理客戶及其持續需求，並將他們交易和參與的服務和市場納入其背景。

結構化產品介紹

該課程的目的是向代表們介紹投資銀行業務中使用的結構性產品。完成課程後，所有代表將具備該主題的工作知識，並將能夠回答

1. 什麼是結構化產品？
2. 為什麼發行它們？
3. 發行人和投資者如何受益？
4. 您如何構建和定價一系列衍生產品？
5. 生產結構性金融產品的風險和成本是多少？
6. 什麼是嵌入式衍生品？
7. 有什麼奇特的選擇？
8. 什麼是定價和對沖考慮因素？

這種以講師為主導的現場培訓台灣（現場或遠端）面向希望獲得對IFRS 17標準有效的理解的管理人員。

在培訓結束時，參與者將能夠：

• 確定《國際財務報告準則第17號》（IFRS 17）的關鍵要求。
• 瞭解 IFRS 17 和 IFRS 4 之間的區別。
• 瞭解國際財務報告準則規則。
• 了解財務模型及其數位。
• 剖析和理解不同類型的保險合同和會計模型。
• 準備一個明智的過渡計劃和時程表。
• 在組織內實施IFRS 17。
• 識別和衡量保險合同的履行情況。

kdb +是一個內存中，面向列的數據庫，q是其內置的，基于向量的解釋語言。在kdb +中，表是矢量的列，q用于對表數據執行操作，就好像它是一個列表。 kdb +和q通常用于高頻交易，並受到主要金融機構的歡迎，包括高盛，摩根士丹利，美林證券，摩根大通等。 在這個有指導的實時培訓中，參與者將學習如何使用kdb +和q創建時間序列數據應用程序。 在培訓結束後，參與者將能夠： 了解面向行的數據庫和面向列的數據庫之間的區別選擇數據，編寫腳本並創建功能來執行高級分析分析時間序列數據，如股票和商品交易所數據使用kdb +的內存功能可以高速存儲，分析，處理和檢索大型數據集考慮函數和數據的級別高于非向量語言中常見的標准函數（參數）方法探索其他對時間敏感的kdb +應用程序，包括能源交易，電信，傳感器數據，日志數據以及機器和網絡使用情況監控 聽衆 開發商數據庫工程師數據科學家數據分析師 課程的格式 部分講座，部分討論，練習和沈重的練習

Audiance

所有需要具備合規性和風險Management知識的員工

課程形式

結合：

• 促進討論
• 幻燈片演示文稿
• 實例探究
• 例子

課程目標

在本課程結束時，代表們將能夠：

• 了解合規性的主要方面以及為管理與之相關的風險所做的國家和國際努力
• 定義公司及其員工可能建立合規風險Management框架的方式
• 詳細說明合規官和洗錢報告官的角色以及如何將它們整合到業務中
• 了解Financial Crime其他“熱點” - 特別是與國際Business ，離岸中心和高淨值客戶有關的熱點