Plan du cours
Introduction à l'IA dans le secteur financier
- Aperçu des applications de l'IA en finance (détection de fraude, trading algorithmique, évaluation des risques)
- Introduction aux principes de l'analyse de données et aux types de données financières
- Considérations éthiques et conformité réglementaire dans la mise en œuvre de l'IA
- Configuration de l'environnement Python/R pour l'analyse de données financières
Collecte et prétraitement des données
- Sources de données dans le secteur financier (données boursières, indices de marché, données clients)
- Techniques de nettoyage, normalisation et transformation des données
- Ingénierie des fonctionnalités pour une analyse de données améliorée
- Prétraitement d'un jeu de données financier pour analyse
Algorithmes d'apprentissage automatique pour les données financières
- Algorithmes d'apprentissage supervisé (régression linéaire, arbres de décision, forêt aléatoire)
- Apprentissage non supervisé pour la détection d'anomalies (k-moyennes, DBSCAN)
- Étude de cas : Modèles de notation de crédit et gestion des risques
- Construction d'un modèle supervisé pour prédire les cours des actions
Techniques d'IA avancées et optimisation des modèles
- Modèles d'apprentissage profond pour les données financières (LSTM pour la prévision de séries chronologiques)
- Introduction à l'apprentissage par renforcement pour la prise de décision dans les stratégies de trading
- Réglage des hyperparamètres et validation des modèles
- Mise en œuvre de LSTM pour les données de séries chronologiques financières
Visualisation, interprétation et rapport
- Meilleures pratiques de visualisation des données à l'aide de bibliothèques (Matplotlib, Seaborn, Tableau)
- Interprétation des sorties des modèles pour obtenir des insights métier
- Création de rapports complets pour les parties prenantes
- Analyse et présentation des données financières en utilisant un flux de travail complet d'IA
Resumé et prochaines étapes
Pré requis
- Connaissances de base en programmation Python/R
- Compréhension de la terminologie financière et des statistiques de base
Audience cible
- Analystes financiers
- Scientifiques des données
- Gestionnaires des risques
Nos clients témoignent (5)
Deepthi était extrêmement attentive à mes besoins, elle savait quand ajouter des couches de complexité et quand ralentir pour adopter une approche plus structurée. Deepthi a vraiment travaillé à mon rythme et s'est assurée que je puisse utiliser les nouvelles fonctions/outils moi-même en me montrant d'abord, puis en me laissant les recréer. Cela a vraiment aidé à ancrer la formation. Je ne suis pas plus heureux des résultats de cette formation et du niveau d'expertise de Deepthi !
Deepthi - Invest Northern Ireland
Formation - IBM Cognos Analytics
Traduction automatique
La diversité des sujets abordés
Romaric - Vacher
Formation - Business Intelligence and Data Analysis with Metabase
il était bien préparé - et il est très sympathique
Oliver - Post CH AG
Formation - Splunk Fundamentals
Traduction automatique
A utilisé de bons exemples, un bon rythme pour la formation et a couvert la plupart des sujets
David - McGraw Hill
Formation - Data Preparation with Alteryx
Traduction automatique
beaucoup d'exercices pratiques
Marcin - Narodowy Bank Polski
Formation - Splunk Data Administration
Traduction automatique