Schulungsübersicht
Einführung in KI im Finanzsektor
- Überblick über KI-Anwendungen in der Finanzwelt (Betrugserkennung, algorithmischer Handel, Risikobewertung)
- Einführung in die Prinzipien der Datenanalyse und Arten finanzieller Daten
- Ethische Aspekte und regulatorische Compliance bei der Implementierung von KI
- Einrichten der Python-/R-Umgebung für die Finanzdatenanalyse
Datensammlung und Vorverarbeitung
- Datenquellen im Finanzsektor (Aktiendaten, Marktindizes, Kundendaten)
- Methoden zur Datenbereinigung, Normalisierung und Transformation
- Feature Engineering zur Verbesserung der Datenanalyse
- Vorverarbeitung eines Finanzdatensatzes für die Analyse
Maschinelle Lernalgorithmen für Finanzdaten
- Überwachte Lernalgorithmen (Lineare Regression, Entscheidungsbäume, Random Forest)
- Unüberwachtes Lernen zur Anomalieerkennung (k-Means-Clustering, DBSCAN)
- Analyse von Fallstudien: Kreditwürdigkeitsmodelle und Risikomanagement
- Erstellung eines überwachten Modells zur Vorhersage von Aktienkursen
Fortschrittliche KI-Techniken und Modelloptimierung
- Tiefe neuronale Netze für Finanzdaten (LSTM für Zeitreihenvorhersagen)
- Einführung in das Reinforcement Learning für Entscheidungsfindung in Handelsstrategien
- Hyperparameter-Tuning und Validierung der Modelle
- Implementierung von LSTM für finanzielle Zeitreihendaten
Visualisierung, Interpretation und Berichterstellung
- Bewährte Praktiken zur Datenvisualisierung mit Bibliotheken (Matplotlib, Seaborn, Tableau)
- Interpretation der Modellausgaben für Geschäftseinblicke
- Erstellung umfassender Berichte für Stakeholder
- Analysieren und Präsentieren finanzieller Daten mittels eines vollständigen KI-Workflows
Zusammenfassung und weitere Schritte
Voraussetzungen
- Grundkenntnisse in Python-/R-Programmierung
- Verständnis von Finanzterminologie und Grundstatistik
Zielgruppe
- Finanzanalysten
- Data Scientists
- Risikomanager
Erfahrungsberichte (4)
Refactoring Übung und Graph Visualisierung
Tiago Kocevar - Lang Energie AG / Osterwalder Zurich AG
Kurs - Business Intelligence and Data Analysis with Metabase
Deepthi war sehr empfänglich für meine Bedürfnisse, sie konnte erkennen, wann sie zusätzliche Komplexität hinzufügen und wann sie zurückhaltend sein und einen strukturierteren Ansatz verfolgen sollte. Deepthi hat wirklich in meinem Tempo gearbeitet und sicher gestellt, dass ich die neuen Funktionen/Tools selbstständig einsetzen kann, indem sie mir zunächst gezeigt hat, wie es geht, und mich dann selbst nachbauen ließ. Dies half enorm bei der Vertiefung des Trainings. Ich bin extrem zufrieden mit den Ergebnissen dieses Trainings und mit Deepthis Fachwissen!
Deepthi - Invest Northern Ireland
Kurs - IBM Cognos Analytics
Maschinelle Übersetzung
Er war gut vorbereitet - und er ist sehr sympathisch.
Oliver - Post CH AG
Kurs - Splunk Fundamentals
Maschinelle Übersetzung
viele praktische Übungen
Marcin - Narodowy Bank Polski
Kurs - Splunk Data Administration
Maschinelle Übersetzung
