聯繫我們

課程簡介

金融領域的機器學習簡介

  • 金融行業中 AI 和 ML 概覽
  • 機器學習的類型(有監督學習、無監督學習、強化學習)
  • 欺詐檢測、信用評分和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
  • 使用 Pandas 和 NumPy 探索金融數據集
  • 使用 Matplotlib 和 Seaborn 進行數據可視化

用於金融預測的有監督學習

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

無監督學習與異常檢測

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

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
  • 金融決策中的模型可解釋性和公平性

機器學習在欺詐檢測中的應用

  • 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
  • 倫理考慮因素和合規要求(例如 GDPR、可解釋性)
  • 生產環境中的模型監控和重新訓練

總結與下一步

最低要求

  • 對基礎統計學和金融概念的理解
  • Excel 或其他數據分析工具的使用經驗
  • 基礎編程知識(建議使用 Python)

目標受眾

  • 金融分析師
  • 精算師
  • 風險管理人員
 21 小時

客戶評論 (5)

課程分類