聯繫我們

課程簡介

機器學習在金融領域的介紹

  • AI和ML在金融行業概述
  • 機器學習類型(監督式、非監督式、強化學習)
  • 欺詐偵測、信用評分及風險建模的案例研究

Python和數據處理基礎

  • 使用Python進行數據操作和分析
  • 探索Pandas和NumPy金融數據集
  • 使用Matplotlib和Seaborn進行數據可視化

監督式學習在金融預測中的應用

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

非監督式學習與異常檢測

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

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
  • 金融決策中的模型解釋性和公平性

機器學習在欺詐偵測中的應用

  • 常見的金融欺詐類型
  • 使用分類算法進行異常檢測
  • 實時評分和部署策略

模型部署與金融AI中的倫理問題

  • 使用Python, Flask或雲平台部署模型
  • 倫理考量與法規遵循(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

  • 理解基礎統計學和金融概念
  • 具有 Excel 或其他數據分析工具的經驗
  • 基本的編程知識(最好是 Python)

受眾

  • 財務分析師
  • 核保人
  • 風險官員
 21 小時

客戶評論 (5)

課程分類