Struttura del corso

Introduzione a Machine Learning in Finance

  • Panoramica dell'IA e dell'ML nell'industria finanziaria
  • Tipi di apprendimento automatico (supervisionato, non supervisionato, reinforcement learning)
  • Casi studio nella rilevazione delle frodi, valutazione del credito e modellizzazione dei rischi

Python e basi della gestione dei dati

  • Utilizzo di Python per la manipolazione e l'analisi dei dati
  • Esplorazione dei dataset finanziari con Pandas e NumPy
  • Visualizzazione dei dati utilizzando Matplotlib e Seaborn

Supervised Learning per la previsione finanziaria

  • Regressione lineare e logistica
  • Alberi decisionali e foreste casuali
  • Valutazione delle prestazioni del modello (precisione, precision, richiamo, AUC)

Unsupervised Learning e rilevamento delle anomalie

  • Tecniche di clustering (K-means, DBSCAN)
  • Analisi dei componenti principali (PCA)
  • Rilevazione degli outlier per la prevenzione della frode

Valutazione del credito e modellizzazione del rischio

  • Costruzione di modelli di valutazione del credito utilizzando regressione logistica ed algoritmi basati sugli alberi
  • Gestione dei dataset sbilanciati nelle applicazioni di rischio
  • Interpretabilità e equità del modello nella decisione finanziaria

Rilevazione delle frodi con Machine Learning

  • Tipologie comuni della frode finanziaria
  • Utilizzo degli algoritmi di classificazione per il rilevamento delle anomalie
  • Strategie di valutazione in tempo reale e di distribuzione

Distribuzione del modello ed etica nell'IA finanziaria

  • Distribuzione dei modelli con Python, Flask o piattaforme cloud
  • Considerazioni etiche e conformità regolamentare (ad esempio, GDPR, spiegabilità)
  • Monitoraggio e retraining del modello in ambienti di produzione

Riepilogo ed eventuali passaggi successivi

Requisiti

  • Comprensione delle nozioni di base di statistica e concetti finanziari
  • Esperienza con Excel o altri strumenti di analisi dei dati
  • Conoscenze di programmazione di base (preferibilmente in Python)

Pubblico Obiettivo

  • Analisti finanziari
  • Attuari
  • Ufficiali del rischio
 21 ore

Numero di Partecipanti


Prezzo per Partecipante

Recensioni (1)

Corsi in Arrivo

Categorie relative