Open Bank Project for Developers 교육 과정

대한민국에서 진행되는 이 실시간 교육(온라인 또는 현장)은 초법적 및 사법적 추심의 원칙과 관행을 배우고 추심 문제를 효과적으로 관리하고 해결하려는 금융 및 법률 전문가를 대상으로 합니다.

이 교육이 끝나면 참가자는 다음을 수행할 수 있습니다.

• 초법적 수집과 사법적 수집의 장점과 단점을 이해합니다.
• 초법적, 사법적 수집의 주요 방법과 기법을 적용한다.
• 사법 외 수집 및 사법 수집의 효율성과 효율성을 평가합니다.
• 초법적, 사법적 수집과 관련된 법적, 윤리적 문제를 다룹니다.
• 포괄적이고 일관된 방식으로 초법적 수집과 사법적 수집을 통합합니다.

Compliance and MLRO Refresher Program은 오늘날의 고도로 규제 된 환경에서 핵심적인 위험 관리 문제와 주제를 조사합니다. 준법 감시인, MLRO, MLCO 및 기타 위험 관리 전문가를 대상으로하는 것은 물론 조직 내 위험 관리 기능에서 기대할 수있는 사항에 대해 더 알고 싶어하는 고위 경영진 및 이사회 구성원을 목표로합니다. 이 프로그램은 영국의 주제별 전문가에 의해 강의됩니다.

본 프로그램의 주요 학습 목표는 참석자에게 조직의 기존 위험 관리 통제 및 관행의 객관성을 객관적으로 평가하고 적절하게 개선 할 수있는 충분한 지식을 갖추는 것입니다.

청중

조직의 Corporate Go vernance 대한 실무 지식이 필요한 모든 직원

과정 형식

높은 대화 형 조합 :

• 촉진 된 토론
• 프레젠테이션 슬라이드
• 예제들
• 수업 과정
• 사례 연구

청중

• 새로 임명 된 개인 대출 관리자
• 대출 관리자를위한 정보 수집 및 해석을 담당하는 지원 직원
• 대출이 이루어질 수있는 의사 결정 과정에 대한 실무 지식이 필요한 불량하고 의심스러운 부채를 관리하는 직원

개인 고객 대출 - 소비자 대출 - 개별 대출 제안 평가의 높은 수준의 기술을 요구합니다.

많은 경우, 기업 대출 - 대차 대조표, 손익 계정 등과 같이 전통적으로 연관된 재무 정보 출처가 없으며 고객과 대금업자간에 구축 된 신뢰와 교감에 더 의존합니다.

이 과정이 끝나면 개인 고객에 대한 대금업자는 다음을 수행 할 수 있습니다.

• 개인 고객으로부터 대출 명제를 평가하는 프로세스 이해
• 그 과정을 활용하여 대출에 동의하거나 확고한 사유로이를 거절하는 논리적 인 결정을 내립니다.
• 가능하면 모든 대출금이 전액 상환되도록 개인 대출 포트폴리오를 관리하고 통제하십시오. (완전히 위험이없는 대출은 없다는 것을 기억하고 ...!)
• 모든 대출금이 완전히 상환되도록 고객과의 관계 구축 (노력!)

기계 학습은 컴퓨터가 명시 적으로 프로그래밍되지 않고 학습 할 수있는 인공 지능의 한 분야입니다. 딥 학습은 신경망과 같은 데이터 표현 및 구조를 학습하는 방법을 사용하는 기계 학습의 하위 분야입니다. R은 금융 산업에서 널리 사용되는 프로그래밍 언어입니다. 핵심 거래 프로그램에서부터 리스크 관리 시스템에 이르는 금융 애플리케이션에 사용됩니다.

강사가 진행하는이 실시간 교육에서 참가자는 R 학습을 통해 심층 학습 주가 예측 모델을 작성하면서 금융에 대한 심층 학습 모델을 구현하는 방법을 학습합니다.

이 훈련이 끝나면 참가자는 다음을 할 수 있습니다.

• 깊은 학습의 기본 개념 이해
• 금융 분야에서의 심층 학습의 응용 및 용도에 대해 배웁니다.
• R을 사용하여 재무에 대한 심층적 인 학습 모델 작성
• R을 사용하여 자신의 깊은 학습 주가 예측 모델을 구축하십시오.

청중

• 개발자
• 데이터 과학자

과정 형식

• 파트 강의, 파트 토론, 연습 및 무거운 실무 연습

머신 러닝은 컴퓨터가 명시 적으로 프로그래밍되지 않고 학습 할 수있는 인공 지능의 한 분야입니다. 딥 러닝은 신경망과 같은 구조 및 학습 데이터 표현을 기반으로하는 방법을 사용하는 기계 학습의 하위 필드입니다. Python 은 명확한 구문과 코드 가독성으로 유명한 고급 프로그래밍 언어입니다.

이 강사 주도형 라이브 교육에서 참가자는 Python 을 사용하여 딥 러닝 신용 리스크 모델을 작성하면서 뱅킹을위한 딥 러닝 모델을 구현하는 방법을 배우게됩니다.

이 교육이 끝나면 참가자는 다음을 수행 할 수 있습니다.

• 딥 러닝의 기본 개념 이해
• 뱅킹에서 딥 러닝의 응용 프로그램 및 사용법 배우기
• Python , Keras 및 TensorFlow 를 사용하여 뱅킹을위한 딥 러닝 모델 생성
• Python 사용하여 자체 딥 러닝 신용 리스크 모델 구축

청중

• 개발자
• 데이터 과학자

과정의 형식

• 강의, 강의, 연습 및 실습

기계 학습은 컴퓨터가 명시 적으로 프로그래밍되지 않고 학습 할 수있는 인공 지능의 한 분야입니다. 딥 학습은 신경 네트워크와 같은 데이터 표현 및 구조를 학습하는 방법을 사용하는 기계 학습의 하위 분야입니다. R은 금융 산업에서 널리 사용되는 프로그래밍 언어입니다. 핵심 거래 프로그램에서부터 리스크 관리 시스템에 이르는 금융 애플리케이션에 사용됩니다.

강사가 진행하는이 실습에서 참가자는 심층 학습 신용 위험 모델을 작성하면서 R을 사용하여 은행 업무를위한 심층 학습 모델을 구현하는 방법을 배웁니다.

이 훈련이 끝나면 참가자는 다음을 할 수 있습니다.

• 깊은 학습의 기본 개념 이해
• 은행 업무에서의 심층 학습의 응용과 용도를 배우십시오.
• R을 사용하여 은행 업무를위한 심층 학습 모델 생성
• R을 사용하여 자신의 깊은 학습 신용 위험 모델을 구축하십시오.

청중

• 개발자
• 데이터 과학자

과정 형식

• 파트 강의, 파트 토론, 연습 및 무거운 실무 연습

머신러닝은 컴퓨터가 명시적으로 프로그래밍하지 않고도 학습할 수 있는 능력을 갖춘 인공 지능의 한 분야입니다. 딥 러닝은 신경망과 같은 구조 및 데이터 표현 학습을 기반으로 하는 방법을 사용하는 기계 학습의 하위 분야입니다. Python은 명확한 구문과 코드 가독성으로 유명한 고급 프로그래밍 언어입니다.

강사가 진행하는 이 실시간 교육에서 참가자는 딥 러닝 주가 예측 모델 생성 과정을 단계별로 진행하면서 Python을 사용하여 금융용 딥 러닝 모델을 구현하는 방법을 배웁니다.

이 교육이 끝나면 참가자는 다음을 수행할 수 있습니다.

딥 러닝의 기본 개념 이해 금융에서 딥 러닝의 응용 및 사용 방법 알아보기 Python, Keras 및 TensorFlow를 사용하여 금융용 딥 러닝 모델 만들기 Python을 사용하여 자체 딥 러닝 주가 예측 모델 구축

청중

개발자 데이터 과학자

코스의 형식

파트 강의, 파트 토론, 연습 및 고강도 실습

교육 기간 동안 Excel 의 고급 기능을 사용하여 재무 분석 문제를 제시합니다.

이 과정은 재정 분석가, 회계사 및 재무 분석 문제로 기술 스프레드 시트를 확장하려는 모든 사람들을 대상으로합니다.

대한민국(온라인 또는 현장)에서 진행되는 이 강사가 진행하는 실시간 교육은 미국 조세 당국의 규정 준수를 유지하기 위해 FATCA의 법적, 규정 준수 및 집행 측면을 이해하고자 하는 미국 및 미국 외 기관의 금융 전문가를 대상으로 합니다. (IRS).

이 교육이 끝나면 참가자는 다음을 이해할 수 있습니다.

• FATCA가 글로벌 세금 준수 및 금융 투명성에 미치는 영향.
• FATCA의 실사 및 보고 요건.
• FATCA의 가장 중요한 법적 측면과 규정 준수를 보장하는 방법.

이 입문 과정은 참가자들에게 주요 금융 시장, 그 목적, 기능, 주요 활동 및 규제에 대한 일등급 및 상세한 실무 지식을 제공합니다. 그것은 모든 대표자들이 그것으로부터 최대의 이익을 도출 할 수 있도록 부분적으로 재교육을하고, 부분적으로 교육을하며, 부분적으로 도전하기위한 것입니다. 세션 전반에 걸쳐 반응적이고 사실적인 대화 형이 아닌 피드백과 토론이 적극적으로 권장됩니다.

주요 기능은 완료를 통해 모든 코스 대표자가 고객 및 진행중인 요구 사항을 처리하고 거래 및 참여하는 서비스 및 시장을 맥락으로 파악할 수 있도록 훨씬 잘 갖추어 질 것입니다.

구조화 된 제품 소개

이 과정의 목적은 대표단에게 투자 은행 업무에 사용되는 구조화 된 제품에 대한 소개 를 제공하는 것입니다. 코스가 끝나면 모든 대표는 주제에 대한 실무 지식을 갖고 대답 할 수있게됩니다.

1. 구조화 된 제품이란 무엇입니까?
2. 왜 발행합니까?
3. 발행자와 투자자는 어떻게 이익을 얻는가?
4. 다양한 파생 상품을 구조화하고 가격을 책정하는 방법은 무엇입니까?
5. 구조화 금융 상품을 생산할 때 발생할 수있는 위험과 비용은 무엇입니까?
6. 내재 파생 상품이란 무엇입니까?
7. 이국적인 옵션은 무엇입니까?
8. 가격 결정 및 헤징 고려 사항은 무엇입니까?

대한민국에서 진행되는 이 강사 주도 실시간 교육(온라인 또는 현장)은 IFRS 17 표준에 대한 실무적 이해를 얻고자 하는 관리자를 대상으로 합니다.

이 교육이 끝나면 참가자는 다음을 수행할 수 있습니다.

• IFRS 17의 주요 요구 사항을 식별합니다.
• IFRS 17과 IFRS 4의 차이점을 알아보세요.
• IFRS 규칙을 이해합니다.
• 재무 모델과 그 수치를 이해합니다.
• 다양한 유형의 보험 계약 및 회계 모델을 분석하고 이해합니다.
• 충분한 정보를 바탕으로 전환 계획과 일정을 준비하세요.
• 조직 내에서 IFRS 17을 구현합니다.
• 보험 계약 성과를 식별하고 측정합니다.

kdb +는 inmemory, columnoriented database이고 q는 내장 된 해석 벡터 기반 언어입니다 kdb +에서 테이블은 벡터의 열이며 q는 테이블 인 것처럼 작업을 수행하는 데 사용됩니다 kdb + 및 q는 고주파수 거래에서 일반적으로 사용되며 Goldman Sachs, Morgan Stanley, Merrill Lynch, JP Morgan 등 주요 금융 기관에서 널리 사용됩니다 강사가 진행되는이 실습에서 참가자는 kdb + 및 q를 사용하여 시계열 데이터 응용 프로그램을 만드는 방법을 배웁니다 이 훈련이 끝나면 참가자는 다음을 할 수 있습니다 roworiented 데이터베이스와 columnoriented 데이터베이스의 차이점 이해 고급 분석을 수행하기위한 데이터 선택, 스크립트 작성 및 함수 생성 주식 및 상품 거래 데이터와 같은 시계열 데이터 분석 대형 데이터 세트를 고속으로 저장, 분석, 처리 및 검색하려면 kdb +의 메모리 기능을 사용하십시오 표준 함수 (논증)보다 높은 수준의 함수 및 데이터를 비 벡터 언어에서 일반적인 접근 방식으로 생각하십시오 에너지 거래, 통신, 센서 데이터, 로그 데이터, 기계 및 네트워크 사용 모니터링을 포함하여 kdb +에 대한 시간 민감성 응용 프로그램을 탐색하십시오 청중 개발자 데이터베이스 엔지니어 데이터 과학자 데이터 분석가 코스 형식 파트 강의, 파트 토론, 연습 및 무거운 핸드 슨 연습 .

관객

규정 준수 및 위험 Management 에 대한 실무 지식이 필요한 모든 직원

코스의 형식

다음의 조합 :

• 촉진 된 토론
• 슬라이드 프리젠 테이션
• 사례 연구
• 예

코스 목표

이 과정이 끝나면 대표단은 다음을 수행 할 수 있습니다.

• 규정 준수의 주요 측면과 관련 위험을 관리하기위한 국가 및 국제 노력을 이해합니다.
• 회사와 직원이 준수 위험 Management 프레임 워크를 설정하는 방법 정의
• 규정 준수 책임자 및 자금 세탁보고 책임자의 역할과 이들이 비즈니스에 통합되는 방법을 자세히 설명합니다
• Financial Crime 다른“핫스팟”을 이해하십시오. 특히 국제 Business , 해외 센터 및 인터넷 고객과 관련이있는 경우