Contattataci

Struttura del corso

Introduzione al Machine Learning nel settore finanziario

  • Panoramica sull’utilizzo dell’Intelligenza Artificiale e del Machine Learning nel mondo della finanza
  • Tipologie di apprendimento automatico: supervisionato, non supervisionato e per rafforzamento
  • Studi di caso relativi al rilevamento delle frodi, alla valutazione del credito e alla modellizzazione dei rischi

Nozioni fondamentali su Python e gestione dei dati

  • Utilizzo di Python per la manipolazione e l’analisi dei dati
  • Analisi di dataset finanziari tramite le librerie Pandas e NumPy
  • Visualizzazione grafica dei dati mediante Matplotlib e Seaborn

Apprendimento supervisionato per le previsioni finanziarie

  • Regressione lineare e logistica
  • Algoritmi a alberi decisionali e foreste casuali
  • Valutazione delle prestazioni dei modelli: accuratezza, precisione, richiamo e AUC

Apprendimento non supervisionato e rilevamento delle anomalie

  • Tecniche di raggruppamento dati: K-means e DBSCAN
  • Analisi in componenti principali (PCA)
  • Identificazione delle anomalie per la prevenzione delle frodi

Valutazione del credito e modellizzazione dei rischi

  • Costruzione di modelli per la valutazione del merito creditizio mediante regressione logistica ed algoritmi basati su alberi
  • Gestione dei dataset squilibrati nell’ambito delle applicazioni legate ai rischi finanziari
  • Importanza dell’interpretabilità e della correttezza etica nei modelli utilizzati per le decisioni finanziarie

Rilevamento delle frodi tramite il Machine Learning

  • Principali tipologie di frodi nel settore finanziario
  • Utilizzo degli algoritmi di classificazione per identificare anomalie
  • Strategie di valutazione in tempo reale e distribuzione dei modelli

Implementazione dei modelli ed etica nell’applicazione dell’Intelligenza Artificiale finanziaria

  • Distribuzione dei modelli attraverso Python, Flask o piattaforme cloud
  • Considerazioni etiche e adempimenti normativi (ad esempio GDPR e requisiti di trasparenza nei processi decisionali)
  • Monitoraggio continuo e aggiornamento dei modelli in ambienti operativi

Sintesi finale e prospettive future

Requisiti

  • Conoscenza di base della statistica e dei concetti finanziari
  • Esperienza nell’utilizzo di Excel o di altri strumenti per l’analisi dati
  • Conoscenze di base di programmazione (preferibilmente in Python)

Destinatari del corso

  • Analisti finanziari
  • Attuari
  • Responsabili della gestione dei rischi
 21 ore

Numero di Partecipanti


Prezzo per partecipante

Recensioni (5)

Corsi in Arrivo

Categorie relative