Plan du cours
Introduction au Machine Learning dans la finance
- Vue d'ensemble de l'IA et du Machine Learning dans l'industrie financière
- Types de machine learning (apprentissage supervisé, non supervisé, par renforcement)
- Études de cas sur la détection de fraude, l'attribution de scores de crédit et la modélisation des risques
Bases de Python et de la gestion des données
- Utilisation de Python pour la manipulation et l'analyse de données
- Exploration de données financières avec Pandas et NumPy
- Visualisation des données avec Matplotlib et Seaborn
Apprentissage supervisé pour la prédiction financière
- Régression linéaire et logistique
- Arbres de décision et forêts aléatoires
- Évaluation des performances des modèles (précision, exactitude, rappel, AUC)
Apprentissage non supervisé et détection d'anomalies
- Techniques de clustering (K-means, DBSCAN)
- Analyse en Composantes Principales (PCA)
- Détection des valeurs aberrantes pour la prévention de la fraude
Attribution de scores de crédit et modélisation des risques
- Construction de modèles de scoring de crédit à l'aide de la régression logistique et d'algorithmes basés sur des arbres
- Traitement des ensembles de données déséquilibrés dans les applications de risque
- Interprétabilité et équité des modèles dans la prise de décision financière
Détection de fraude avec le Machine Learning
- Types courants de fraude financière
- Utilisation d'algorithmes de classification pour la détection d'anomalies
- Stratégies de scoring et de déploiement en temps réel
Déploiement des modèles et éthique dans l'IA financière
- Déploiement de modèles avec Python, Flask ou des plateformes cloud
- Considérations éthiques et conformité réglementaire (par exemple, RGPD, explicabilité)
- Surveillance et réentraînement des modèles dans des environnements de production
Résumé et prochaines étapes
Pré requis
- Une compréhension des statistiques de base et des concepts financiers
- Une expérience avec Excel ou d'autres outils d'analyse de données
- Des connaissances de base en programmation (de préférence en Python)
Public visé
- Analystes financiers
- Actuaires
- Responsables des risques
Nos clients témoignent (5)
Applications/exercices possibles
Estelle De la Fouchardiere - Advanced Bionics AG
Formation - Machine Learning & AI for Finance Professionals
Traduction automatique
J'ai vraiment apprécié de voir comment l'utilisation de cet outil peut réellement améliorer et automatiser le travail. J'ai également beaucoup aimé la partie initiale où nous avons été aidés à éliminer nos préjugés envers l'intelligence artificielle. Les exemples sont merveilleux.
chiara di egidio - Advanced Bionics AG
Formation - Machine Learning & AI for Finance Professionals
Traduction automatique
I liked to get knowledge about new possibilities
Maciej Karolczak - Advanced Bionics AG
Formation - Machine Learning & AI for Finance Professionals
Traduction automatique
I like the examples, so we have an idea of what is possible
Deborah Highes
Formation - Machine Learning & AI for Finance Professionals
Traduction automatique
cela m'a ouvert l'esprit à de nouveaux outils qui peuvent m'aider à créer des automatisations
Alessandra Parpajola - Advanced Bionics AG
Formation - Machine Learning & AI for Finance Professionals
Traduction automatique