Schulungsübersicht

Einführung in Machine Learning in Finance

  • Überblick über KI und ML im Finanzsektor
  • Arten von maschinellem Lernen (supervised, unsupervised, reinforcement learning)
  • Anwendungsbeispiele in der Schmiergeldverdächtigung, Bonitätsschätzung und Risikomodellierung

Python und Grundlagen der Datenbearbeitung

  • Verwendung von Python für Datenmanipulation und -analyse
  • Untersuchung finanztechnischer Datensätze mit Pandas und NumPy
  • Datavisualisierung unter Verwendung von Matplotlib und Seaborn

Supervised Learning für Finanzvoraussagen

  • Lineare und logistische Regression
  • Baum- und Waldmodelle (Decision Trees, Random Forests)
  • Auswertung der Modellperformance (Genauigkeit, Präzision, Recall, AUC)

Unsupervised Learning und Anomalieerkennung

  • Cluster-Verfahren (K-means, DBSCAN)
  • Hauptkomponentenanalyse (PCA)
  • Ausreißererkennung zur Schmiergeldprävention

Bonitätsschätzung und Risikomodellierung

  • Erstellung von Bonitätsscores mit logistischer Regression und baumbasierten Algorithmen
  • Bearbeitung ungleichverteilter Datensätze in Anwendungsfällen des Risikomanagements
  • Erläuterbarkeit und Fairness im finanztechnischen Entscheidungsprozess

Schmiergeldverdächtigung mit Machine Learning

  • Häufige Arten von Schmiergeldtäuschungen
  • Verwendung von Klassifikationsalgorithmen zur Anomalieerkennung
  • Echtzeitbewertung und Implementierungskonzepte

Modellimplementierung und Ethik in der Finanz-KI

  • Bereitstellung von Modellen mit Python, Flask oder Cloud-Plattformen
  • Ethische Überlegungen und rechtliche Einhaltung (z.B. GDPR, Erläuterbarkeit)
  • Überwachung und Neuausbildung von Modellen in Produktionsumgebungen

Zusammenfassung und weitere Schritte

Voraussetzungen

  • Eine Grundkenntnis von Statistik und finanztechnischen Konzepten
  • Erfahrung mit Excel oder anderen Datenanalysewerkzeugen
  • Basiswissen in Programmierung (vorzugsweise in Python)

Zielgruppe

  • Finanzanalytiker
  • Aktuare
  • Risikooffiziere
 21 Stunden

Teilnehmerzahl


Price per participant (excl. VAT)

Kommende Kurse

Verwandte Kategorien