Kategorie: Szkolenia AI, GPT i Machine Learning , Analiza danych, statystyka, data science, AI , Finanse
O szkoleniu
Szkolenie pokazuje, jak wykorzystuje się w branży finansowej uczenie maszynowe (ML). Od podstawowych pojęć związanych z Machine Learning i prognozowaniem, przez definiowanie problemu i przygotowanie danych – po konkretne zastosowania: analizę trendów rynkowych i selekcję instrumentów, ocenę ryzyka niewypłacalności, wykrywanie nadużyć i przeciwdziałanie praniu pieniędzy (AML), analizę sentymentu rynkowego oraz analizę aktywności klientów instytucji finansowej.
Zajęcia pomyślane są jako warsztat techniczny: dane obrabiamy, a modele trenujemy i oceniamy w Pythonie (pandas, scikit-learn) na przygotowanych notatnikach i zbiorach danych finansowych. Nie wszyscy uczestnicy (np. wyższa kadra menedżerska) muszą brać tutaj czynny udział w programowaniu; można również uczestniczyć w zajęciach dla obejrzenia prezentowanych rozwiązań, ewaluacji ich przydatności, złożoności i np. wyrobienia sobie o nich opinii. W każdym razie jest to szkolenie o technicznym charakterze.
Po tych trzech dniach:
- ocenisz, który problem w Twojej instytucji warto rozwiązywać z pomocą ML, i dobierzesz wskaźniki sukcesu modelu,
- przygotujesz dane finansowe do modelu i ocenisz ich jakość,
- zbudujesz i ocenisz modele dla kilku typowych zastosowań: trendów rynkowych, ryzyka kredytowego, wykrywania nieprawidłowych transakcji i segmentacji klientów,
- wydobędziesz dane ze sprawozdań finansowych i ocenisz sentyment rynkowy na podstawie informacji z mediów,
- będziesz wiedzieć, jak model walidować, monitorować i wyjaśniać wobec audytu, nadzoru i klientów.
Program obejmuje m.in. praktyczne metody definiowania problemów biznesowych, wybór wskaźników sukcesu modeli ML/AI oraz kryteria ich oceny. Szczególny nacisk kładzie się na przygotowanie danych – kluczowy element skutecznych modeli. Uczestnicy dowiedzą się, jak rozpoznawać różne rodzaje danych, oceniać ich jakość oraz efektywnie zbierać i przetwarzać niezbędne informacje. Szkolenie pokaże także, jak pracować z dużymi zbiorami danych, korzystając z zewnętrznych źródeł analitycznych i tworząc raporty w formatach Excel, PDF i Word.
Modelowymi odbiorcami są bankowość oraz instytucje finansowe, ze szczególnym uwzględnieniem rynku kapitałowego: analitycy danych i ryzyka, zespoły przeciwdziałania nadużyciom i AML, analitycy ilościowi, a także specjaliści od analizy danych, którzy zaczynają pracę na danych finansowych. Generatywnego AI w codziennej pracy dotyczy szkolenie „AI w finansach i controllingu”. Na życzenie, dla grup, możliwe są modyfikacje zakresu programowego (w tym dopasowanie tematyki i przykładów pod specyfikę danej instytucji i branży). Szkolenie można realizować również jako 2-dniowe, przy delikatnym okrojeniu zakresu tematycznego i/lub zmniejszeniu wymiaru warsztatów.
Czas trwania
3 dni
Program
- Podstawy AI i jej potencjał w biznesie
- Czym jest sztuczna inteligencja?
- Pokazanie możliwości ML
- Uczenie maszynowe a generatywne AI (modele językowe): co do czego służy w finansach
- Kluczowe pojęcia:
- Machine Learning
- Prognozowanie z wykorzystaniem ML
- Definiowanie problemu biznesowego do rozwiązania z wykorzystaniem ML/AI
- Kryteria doboru problemu biznesowego
- Dobór i definiowanie wskaźników sukcesu modeli ML/AI
- Dane jako fundament Machine Learning
- Przygotowanie modeli ML/AI – przygotowanie danych odpowiedniej jakości
- Kluczowe pojęcia:
- Rodzaje danych
- Definicja „dobrej jakości”
- Zbieranie i przygotowanie danych do modeli ML/AI
- Rynki finansowe: trendy i selekcja instrumentów
- Analiza trendów rynkowych:
- Giełda lokalna
- Giełda USA
- Rynek stopy procentowej – obligacje polskie i zagraniczne
- Selekcja instrumentów finansowych z grupy porównawczej – wybór obligacji lub akcji na danym rynku z wszystkich dostępnych
- Analiza trendów rynkowych:
- Ryzyko kredytowe
- Analiza ryzyka niewypłacalności emitenta
- Scoring kredytowy klientów i kontrahentów
- Wyjaśnialność modelu: które czynniki zdecydowały o ocenie
- Wykrywanie nadużyć i przeciwdziałanie praniu pieniędzy (AML)
- Wykrywanie nietypowych transakcji i anomalii
- Modele dla rzadkich zdarzeń: niezrównoważone dane, fałszywe alarmy
- Monitorowanie transakcji pod kątem AML: reguły a modele ML
- Analiza aktywności klientów instytucji finansowej (bank, TFI, broker)
- Wyszukiwanie trendów
- Wyszukiwanie wzorców zachowań
- Sporządzanie podsumowań
- Praca na dużych zbiorach danych
- Analiza tekstu i dokumentów finansowych
- Analiza sentymentu rynkowego w oparciu o prasę / portale informacyjne – modele sieci neuronowych i modele językowe
- Scraping istotnych danych ze sprawozdań finansowych spółek
- Efektywne wyszukiwanie informacji na przykładzie aktów prawnych
- Dane zewnętrzne i raportowanie wyników
- Zewnętrzne źródła danych – analizy biznesowe i sprzedażowe:
- Analizy Online
- IZFiA
- Generowanie raportów w określonych formatach (Excel, PDF, Word)
- Zewnętrzne źródła danych – analizy biznesowe i sprzedażowe:
- Model w praktyce instytucji finansowej
- Walidacja i monitorowanie modelu w czasie
- Wyjaśnialność i dokumentacja modelu wobec audytu i nadzoru
- AI Act: ocena zdolności kredytowej jako system wysokiego ryzyka
Training also available in English .
Przeznaczenie i wymagania
Szkolenie jest przeznaczone przede wszystkim dla:
- analityków danych i ryzyka w bankach, TFI, domach maklerskich i ubezpieczeniach,
- zespołów przeciwdziałania nadużyciom, AML i compliance,
- analityków ilościowych i zespołów analiz rynkowych,
- specjalistów od analizy danych i data science, którzy zaczynają pracę na danych finansowych.
Świadomie nie uczymy:
- programowania w Pythonie od podstaw,
- generatywnego AI w codziennej pracy działu finansowego (to zakres szkolenia „AI w finansach i controllingu”),
- wdrażania modeli na produkcję i utrzymania ich w infrastrukturze IT,
- tradingu algorytmicznego.
Od uczestników oczekujemy:
- podstawowej znajomości Pythona albo doświadczenia w analizie danych w innym narzędziu (np. R, SQL) – ćwiczenia wykonujemy na przygotowanych notatnikach,
- orientacji w zagadnieniach finansowych z obszaru, którego dotyczą przykłady (rynek kapitałowy, ryzyko kredytowe, dane klientów).
Certyfikaty
Uczestnicy szkolenia otrzymują imienne certyfikaty sygnowane przez ALX.