课程大纲

金融领域的 AI 简介

  • AI 在金融领域的应用概述(欺诈检测、演算法交易、风险评估)
  • 数据分析原理和财务数据类型简介
  • AI 实施中的道德注意事项和法规遵从性
  • 设置用于财务数据分析的 Python/R 环境

数据收集和预处理

  • 金融领域的资料来源(股票数据、市场指数、客户数据)
  • 数据清理、规范化和转换技术
  • 用于增强数据分析的特征工程
  • 预处理财务数据集以进行分析

Machine Learning 金融数据演算法

  • 监督式学习演算法(线性回归、决策树、随机森林)
  • 用于异常检测的无监督学习(k-means 聚类、DBSCAN)
  • 案例研究分析:信用评分模型和风险管理
  • 构建用于预测股票价格的监督模型

高级 AI 技术和模型优化

  • 金融数据的深度学习模型(用于时间序列预测的 LSTM)
  • 用于交易策略决策的强化学习简介
  • 超参数调整和模型验证
  • 为金融时间序列数据实施 LSTM

可视化、解释和报告

  • 使用库的数据可视化最佳实践(Matplotlib、Seaborn、Tableau)
  • 解释模型输出以获得业务洞察
  • 为利益相关者创建全面的报告
  • 使用完整的 AI 工作流程分析和呈现财务数据

总结和后续步骤

要求

  • Python/R 程式设计的基本知识
  • 了解金融术语和基本统计数据

观众

  • 金融分析师
  • 数据科学家
  • 风险管理师
 28 小时

客户评论 (4)

即将举行的公开课程

课程分类