コース概要

金融における機械学習の概要

  • 金融業界でのAIとMLの概要
  • 機械学習の種類(監督学習、非監督学習、強化学習)
  • 詐欺検出、信用スコアリング、リスクモデリングに関する事例

Pythonとデータハンドリングの基礎

  • Pythonを使用したデータ操作と分析
  • PandasとNumPyを用いた金融データセットの探索
  • MatplotlibとSeabornを使用したデータ可視化

金融予測のための監督学習

  • 線形回帰とロジスティック回帰
  • 決定木とランダムフォレスト
  • モデル性能の評価(精度、適合率、再現率、AUC)

非監督学習と異常検出

  • クラスタリング手法(K-means、DBSCAN)
  • 主成分分析(PCA)
  • 詐欺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とツリーベースのアルゴリズムを使用し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での不均衡データセットの扱い方
  • 金融意思決定におけるモデル解釈と公平性

機械学習を用いた詐欺検出

  • 常見の金融詐欺の種類
  • 異常検出のための分類アルゴリズムの使用
  • 実時間スコアリングと展開戦略

モデルの展開と金融AIにおける倫理

  • Python、Flask、またはクラウドプラットフォームを使用したモデルの展開
  • 倫理的考慮と規制準拠(例:GDPR、説明可能性)
  • プロダクション環境でのモデルの監視と再学習

まとめと次回ステップ

要求

  • 基本的な統計と金融概念の理解
  • Excelまたはその他のデータ分析ツールの使用経験
  • 基本的なプログラミング知識(Pythonが望ましい)

対象者

  • 金融アナリスト
  • 生命保険数理人
  • リスク管理担当者
 21 時間

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