DATA SCIENCE
IN FINANCE
Курс проводиться англійською мовою
Рекомендований рівень: B2+
Створіть готову до реалізації модель галузевого рівня
Дати:
03.09.2024 - 22.10.2024
Тривалість навчання:
7 тижнів
14 занять
1 вступна зустріч
Навчіться автоматизувати збір та оброблення даних завдяки Python, розробляти прогнозні моделі, використовувати інструменти моніторингу та аналізу точності, а також візуалізувати дані та створювати зрозумілі дашборди.
ДЛЯ КОГО КУРС:
-
Фінансовий аналітик Опануєте методи аналітики та машинного навчання для оцінювання та прогнозування ризиків. Навчитеся складати прогнозні моделі, що допомагають ухвалювати ефективні бізнес-рішення.
-
Аналітик даних Опануєте навички програмування в Python, щоб автоматизувати роботу збору та оброблення даних, а також навчитеся розробляти моделі для фінансового прогнозування та оцінювання ризиків.
-
Економіст, інженер, науковець Отримаєте знання та навички збирання, оброблення й аналізу фінансових даних. Навчитеся використовувати великі мовні моделі для розв'язання завдань у фінансовій галузі.
Теми, які ми розберемо:
-
АІ та ML у фінансах Зрозумієте, як працюють алгоритми АІ та ML, а також навчитеся будувати та інтерпретувати моделі для оцінювання ризиків. Дізнаєтеся про поширені проблеми в моделюванні та методи їхнього розв'язання.
-
Deep Learning та нейронні мережі Розберетеся в практичному застосуванні глибокого навчання й нейронних мереж у фінансах та дізнаєтеся про популярні фреймворки Python для нейронних мереж. Створите альтернативну модель із застосуванням DL та нейромереж.
-
Створення застосунку на Python Дізнаєтеся про основи розробки застосунків на Python та розберетесь у їхній масштабованості й дизайні. Зможете створити власний застосунок для виявлення шахрайства в реальному часі.
Особливості курсу:
-
Власний проєкт
Побудуйте модель галузевого рівня, яку можна впроваджувати у реальних проєктах. Ви самостійно створите кодову базу на Python, вичерпний звіт, візуалізації та ключову презентацію про модель.
-
Практичний досвід
Отримайте впевненість у своїх діях, застосовуючи теоретичні знання на практиці. Під час курсу ви виконуватимете практичні завдання та розв'язуватимете фінансові проблеми на прикладі кейсу LendingClub.
-
Викладач із міжнародним досвідом
Вивчайте Data Science у фінансах разом з Андреа Аугусто Бароні, Head of Data Science Platform у Barclays, який керує стратегією та реалізацією міжнародних проєктів. Андреа Бароні — переможець Microsoft Big Data & IoT Food Hackathon.
Викладач
Андреа Аугусто
Бароні
- Head of Data Science Platform у Barclays
- 6+ років менеджменту ініціатив за допомогою рішень у Data Science, машинному навчанні та штучному інтелекті в банківській, платіжній і телекомунікаційній галузях
- очолює міжнародну команду аналітиків даних, керує стратегією та реалізацією проєктів
- очолював програму модернізації хмарних технологій та адаптації для різних аналітичних ролей і випадків використання, зосередившись на створенні хмарної платформи наступного покоління для Data Science
- надавав поради клієнтам FTSE 100/250 щодо стратегій зростання на основі даних та консультував з питань розвитку аналітичних та моделювальних можливостей
Програма курсу:
Вівторок / 3 вересня / 19:00 за Києвом
Знайомство з викладачем та огляд курсу
- Цілі та воркфлоу курсу
- Налаштування середовища Python
- Введення у завдання проєкту та ключові дати
- Q&A-сесія
Четвер / 5 вересня / 20:00 за Києвом
Роль Data Science, AI та ML у фінансах
- Що таке Data Science, AI та ML
- Програмні застосунки у фінансових послугах
- Важливі навички для Data Scientist або Data Engineer
- Ключова термінологія та програмне забезпечення, пов'язане з фінансовими послугами
- Ланцюг оброблення машинного навчання та воркфлоу
Вівторок / 10 вересня / 20:00 за Києвом
Практичні стратегії пошуку та очищення наборів фінансових даних
- Загальні джерела даних для Data Science та Al у фінансах
- Загальні методи збору й очищення даних та їхня реалізація на Python
- Кейс-стаді: розв'язання загальних проблем у фінансових даних
- Практичне завдання: застосування методів очищення даних за допомогою Python
Четвер / 12 вересня / 20:00 за Києвом
Від даних до дієвих інсайтів: Exploratory Data Analysis (EDA) на Python
- Exploratory Data Analysis та його використання у фінансах
- Функціональна інженерія та її використання в Data Science
- Як візуалізація може прискорити процес EDA
- Дані часових рядів та як поводитися з ними в EDA
- Демо: реалізація на Python
Домашнє завдання: очистьте дані та виявіть додаткові інсайти як результат EDA
Вівторок / 17 вересня / 20:00 за Києвом
Статистичне моделювання у фінансах за допомогою Python
- Вступ до статистичного моделювання та використання у фінансах
- Як робити висновки та перевіряти бізнес-гіпотези за допомогою ваших даних
- Практичне завдання: оцініть кредитоспроможність проєкту LendingClub
Четвер / 19 вересня / 20:00 за Києвом
AI та ML у фінансах
- Вступ до машинного навчання та штучного інтелекту
- Алгоритми Al & ML
- Побудова класифікаційних моделей для оцінювання ризиків
- Оцінювання та інтерпретація моделей ML
- Збалансування точності моделі та її зрозумілості
- Поширені проблеми в моделюванні та методи їхнього розв'язання
- Демо: потік навчання та оцінювання моделі EZE
Домашнє завдання: побудуйте базову модель та оптимізуйте прибутковість кредитного портфеля на основі кредитної історії
Вівторок / 24 вересня / 20:00 за Києвом
Ансамблеві методи для предикативного моделювання
- Ансамблеві моделі в машинному навчанні
- Фреймворки інтерпретації та пояснення моделей
- Вступ до налаштування гіперпараметрів
- Демо: реалізація ансамблевої моделі з налаштуванням гіперпараметрів та порівняння ефективності з базовою моделлю, побудованою на занятті №4
Четвер / 26 вересня / 20:00 за Києвом
Вступ до глибокого навчання (DL) та нейронних мереж
- Основи глибокого навчання та нейронних мереж
- Розуміння того, як DL та нейронні мережі використовуються у фінансах
- Демо: популярні фреймворки Python для нейронних мереж
Домашнє завдання: створіть альтернативну модель з огляду на базову модель, яку ви розробили в завданні №2, використовуючи концепції із занять №6 та №7
Вівторок / 1 жовтня / 20:00 за Києвом
Неконтрольоване навчання у фінансах: виявлення викидів, сегментування клієнтів та подолання «прокляття розмірності»
- Виявлення відхилень: приклади використання та методи у фінансових послугах
- Приклади використання кластеризації та сегментації
- Аналіз головних компонентів для зменшення розмірності
- Демо: реалізація на Python
Домашнє завдання: сегментуйте базу користувачів кредитних карток на групи для цілей з маркетингу та управління споживачами
Четвер / 3 жовтня / 20:00 за Києвом
Моделювання часових рядів у фінансових послугах
- Дані часових рядів та їхнього використання у фінансах
- Розкладання даних часових рядів на ключові компоненти
- Методи прогнозування та сімейства моделей
- Демо: реалізація на Python
Домашнє завдання (за бажанням): вправа з прогнозування
Вівторок / 8 жовтня / 20:00 за Києвом
Генеративний AI у фінансових послугах
- Вступ до генеративного Al та великих мовних моделей
- Моделі впровадження у фінансових послугах, ризики та можливості
- Демо: створення чат-бота для обслуговування користувачів
Четвер / 10 жовтня / 20:00 за Києвом
Створення застосунку на Python для виявлення шахрайства в реальному часі
- Введення у створення застосунків на Python
- Демо: створення застосунку для виявлення шахрайства
- Міркування щодо масштабованості та дизайну застосунку
Домашнє завдання (за бажанням): створіть власний застосунок
Вівторок / 15 жовтня / 20:00 за Києвом
Від ідеї до використання: життєвий цикл ML Ops
- Дизайн та архітектура системи ML
- Життєвий цикл та управління моделями ML Ops
- Етичні аспекти ML у фінансовій сфері
- Конфіденційність та безпека даних
- Регламент та комплаєнс
Домашнє завдання (за бажанням): напишіть діаграму архітектури для вашого модельного рішення
Четвер / 17 жовтня / 20:00 за Києвом
Ефективна співпраця та кращі практики в командах Data Science
- Ефективна реалізація проєктів у галузі Data Science
- Вимірювання успіху та ROI
- Кращі практики кодування та розробки програмного забезпечення
- Ефективна співпраця
- Розвиток хмарних технологій та тенденції в галузі Data Science
- Практичне завдання: визначення успіху для вашої ініціативи в галузі Data Science
Домашнє завдання (за бажанням): підвантажте код на Git
Вівторок / 22 жовтня / 20:00 за Києвом
Стратегічне планування кар'єри для Data Scientists у фінансах
- Кар'єрні шляхи в Data Science у фінансах
- Ключові тенденції та майбутнє AI у фінансах
- Підготовка резюме та проходження співбесіди
- Підсумки курсу
ЗАПИСАТИСЯ
Залиште заявку у формі — і наш менеджер звʼяжеться з вами.