Course Outline

금융 산업에서 Machine Learning와 Finance 소개

  • 금융 산업에서 AI와 ML 개요
  • 머신러닝의 종류 (감독 학습, 비감독 학습, 강화 학습)
  • 사기 탐지, 신용 점수, 위험 모델링 사례 연구

Python와 데이터 처리 기본

  • Python를 사용하여 데이터 조작 및 분석
  • Pandas과 NumPy를 사용하여 금융 데이터셋 탐색
  • Matplotlib와 Seaborn을 사용한 데이터 시각화

금융 예측을 위한 Supervised Learning

  • 선형 및 로지스틱 회귀
  • 결정 트리와 랜덤 포레스트
  • 모델 성능 평가 (정확도, 정밀도, 재현율, AUC)

Unsupervised Learning와 이상 탐지

  • 군집화 기술 (K-means, DBSCAN)
  • 주성분 분석 (PCA)
  • 사기 예방을 위한 이상치 탐지

신용 점수 및 위험 모델링

  • 로지스틱 회귀 및 트리 기반 알고리즘을 사용하여 신용 점수 모델 구축
  • 위험 애플리케이션에서 불균형 데이터셋 처리
  • 금융 의사 결정에서 모델 해석 가능성과 공정성

Machine Learning를 통한 사기 탐지

  • 일반적인 금융 사기 유형
  • 이상 탐지를 위한 분류 알고리즘 사용
  • 실시간 점수 및 배포 전략

금융 AI의 모델 배포 및 윤리

  • Python, Flask 또는 클라우드 플랫폼을 사용하여 모델 배포
  • 윤리적 고려 사항 및 규제 준수 (예: GDPR, 설명 가능성)
  • 생산 환경에서 모델 모니터링 및 재훈련

요약 및 다음 단계

Requirements

  • 기본 통계와 금융 개념에 대한 이해
  • Excel 또는 기타 데이터 분석 도구 사용 경험
  • 기본 프로그래밍 지식(가능한 경우 Python에서)

대상

  • 금융 분석가
  • 액추어리
  • 리스크 관리자
 21 Hours

Number of participants


Price per participant

회원 평가 (1)

Upcoming Courses

Related Categories