Cursusaanbod

Introducie tot Machine Learning in Finance

  • Overzicht van AI en ML in de financiële sector
  • Types van machine learning (supervised, unsupervised, reinforcement learning)
  • Case studies in fraudedetectie, credit scoring en risicomodeling

Python en Data Handling Basics

  • Gebruik van Python voor data manipulatie en analyse
  • Verkennen van financiële datasets met Pandas en NumPy
  • Data visualisatie met Matplotlib en Seaborn

Supervised Learning voor financiële voorspelling

  • Lineaire en logistische regressie
  • Beslissingstronen en random forests
  • Evaluatie van modelprestaties (accuracy, precisie, recall, AUC)

Unsupervised Learning en Anomaly Detection

  • Clustertechnieken (K-means, DBSCAN)
  • Principal Component Analysis (PCA)
  • Outlier detectie voor fraudepreventie

Credit Scoring en Risicomodeling

  • Bouwen van credit scoring modellen met behulp van logistische regressie en boomgebaseerde algoritmen
  • Omgaan met onevenwichtige datasets in risico-applicaties
  • Model interpreteerbaarheid en eerlijkheid in financiële besluitvorming

Fraudedetectie met Machine Learning

  • Veelvoorkomende soorten financiële fraude
  • Gebruik van classificatie algoritmen voor anomaliedetectie
  • Real-time scoring en deploymentsstrategieën

Model Deployment en Ethiek in Financiële AI

  • Deployen van modellen met Python, Flask, of cloud platforms
  • Ethische overwegingen en naleving van reguleringen (bijvoorbeeld, GDPR, explainability)
  • Monitoring en heropvoeding van modellen in productieomgevingen

Samenvatting en Volgende Stappen

Vereisten

Voorkennis
  • Begrip van basisstatistiek en financiële concepten
  • Ervaring met Excel of andere gegevensanalyse-instrumenten
  • Basisprogrammeervaardigheden (voor de voorkeur in Python)

Publiek

  • Financiële analisten
  • Actuarissen
  • Risicobeheerders
 21 Uren

Aantal deelnemers


Prijs Per Deelnemer

Getuigenissen (1)

Voorlopige Aankomende Cursussen

Gerelateerde categorieën