お問い合わせ
 期間 21 時間 (3 日)

コース概要

金融における機械学習の概要

  • 金融業界におけるAIと機械学習の概要
  • 機械学習の種類(教師あり学習、教師なし学習、強化学習)
  • 不正検出、信用スコアリング、リスクモデリングのケーススタディ

Pythonとデータ処理の基礎

  • データ操作および分析のためのPythonの使用
  • PandasおよびNumPyを用いた金融データセットの探索
  • MatplotlibおよびSeabornを用いたデータ可視化

金融予測のための教師あり学習

  • 線形回帰およびロジスティック回帰
  • 決定木およびランダムフォレスト
  • モデル性能の評価(精度、精力度、再現率、AUC)

教師なし学習と異常検出

  • クラスタリング技術(K-means、DBSCAN)
  • 主成分分析(PCA)
  • 不正防止のための外れ値検出

信用スコアリングとリスクモデリング

  • ロジスティック回帰およびツリーベースアルゴリズムを用いた信用スコアリングモデルの構築
  • リスクアプリケーションにおける不平衡データセットの処理
  • 金融意思決定におけるモデルの解釈可能性と公平性

機械学習による不正検出

  • 一般的な金融不正の種類
  • 異常検出のための分類アルゴリズムの使用
  • リアルタイムスコアリングとデプロイ戦略

モデルのデプロイと金融AIの倫理

  • Python、Flask、またはクラウドプラットフォームを用いたモデルのデプロイ
  • 倫理的配慮と規制遵守(例:GDPR、説明可能性)
  • 本番環境におけるモデルの監視と再学習

まとめと次のステップ

要求

  • 基礎的な統計学および金融概念の理解
  • Excelまたはその他のデータ分析ツールでの経験
  • 基本的なプログラミング知識(Pythonが望ましい)

対象読者

  • 金融アナリスト
  • 保険数理士
  • リスクオフィサー

参加者の人数


参加者1人あたりの価格

お客様の声 (5)

今後のコース

関連カテゴリー