Merci d'avoir envoyé votre demande ! Un membre de notre équipe vous contactera sous peu.
Merci d'avoir envoyé votre réservation ! Un membre de notre équipe vous contactera sous peu.
Plan du cours
Introduction à Machine Learning dans Finance
- Aperçu de l'IA et du ML dans l'industrie financière
- Types d'apprentissage machine (supervisé, non supervisé, apprentissage par renforcement)
- Études de cas en détection de fraude, notation de crédit et modélisation des risques
Python et bases du traitement des données
- Utilisation de Python pour la manipulation et l'analyse de données
- Exploration de jeux de données financiers avec Pandas et NumPy
- Visualisation de données avec Matplotlib et Seaborn
Supervised Learning pour la prédiction financière
- Régression linéaire et logistique
- Arbres de décision et forêts aléatoires
- Évaluation des performances du modèle (précision, rappel, AUC)
Unsupervised Learning et détection d'anomalies
- Techniques de regroupement (K-means, DBSCAN)
- Analyse en composantes principales (ACP)
- Détection des valeurs aberrantes pour la prévention des fraudes
Notation de crédit et modélisation des risques
- Construction de modèles de notation de crédit en utilisant la régression logistique et les algorithmes basés sur les arbres
- Gestion des jeux de données déséquilibrées dans les applications de risque
- Interprétabilité du modèle et équité dans la prise de décision financière
Détection de fraude avec Machine Learning
- Types courants de fraude financière
- Utilisation des algorithmes de classification pour la détection d'anomalies
- Stratégies d'évaluation et déploiement en temps réel
Déploiement du modèle et éthique dans l'IA financière
- Déploiement des modèles avec Python, Flask ou plateformes cloud
- Considérations éthiques et conformité réglementaire (par exemple, GDPR, explicable)
- Surveillance et reformation des modèles dans les environnements de production
Résumé et étapes suivantes
Pré requis
- Une compréhension des statistiques de base et des concepts financiers
- Expérience avec Excel ou autres outils d'analyse de données
- Connaissance de base en programmation (idéalement en Python)
Public cible
- Analystes financiers
- Actuaires
- Officiers de gestion des risques
21 Heures
Nos clients témoignent (1)
J'ai beaucoup apprécié la façon dont le formateur a présenté tout le contenu. J'ai compris tout, même si Finance n'est pas mon domaine, il s'est assuré que chaque participant était sur la même longueur d'onde, tout en respectant le temps imparti. Les exercices étaient bien espacés. La communication avec les participants était toujours présente. Le matériel était parfait, ni trop ni trop peu. Il a très bien développé les sujets un peu plus complexes pour que tout le monde puisse les comprendre.
Diana
Formation - ChatGPT for Finance
Traduction automatique
