-
Машинное обучение (Machine Learning, или ML) — это дисциплина о том, как на основе различных алгоритмов обучить компьютер распознавать, классифицировать и предсказывать объекты. Машинное обучение подарило нам эффективный поиск и персонализированный контент в интернете, а в последнее время активно используется в финансах и банковской сфере — наш курс именно об этом!
Применение методов ML помогает банку более оперативно принимать решения. Сможет ли вернуть кредит конкретный клиент? Как изменится объем вкладов и кредитов в ближайшей перспективе? Как оптимизировать внутренние процессы? Эти и многие другие проблемы финансовой сферы помогают решать на практике передовые методы ML.
Если вы студент и видите свое будущее в ML в финансах, но еще не до конца понимаете, чем будете заниматься; или уже работаете в банковской/IT сфере и хотите улучшить свои знания и квалификацию, а может быть, вы просто активно интересуетесь последними тенденциями применения ML — добро пожаловать на онлайн-курс «Машинное обучение в финансах» от команды финансистов Сбербанка!
Наш курс практико-ориентированный: вы узнаете о внедрении и применении ML на примере трейдинга, прогнозировании операционного дохода банка, автоматизации внутренних процессов и др., а также пройдете несколько практических заданий с использованием языка программирования Python. На второй неделе курса используется вероятностный язык программирования Stan. В лекциях и домашних заданиях по прогнозированию представлены базовые примеры моделей в Stan и ссылки на более детальное ознакомление с языком. Освоив эту программу, слушатель научится применять на практике многие методы ML и получит конкурентное преимущество для трудоустройства в финансовой и IT сфере.
Overview
Syllabus
-
- Введение в машинное обучение
- Подходы, используемые для моделирования показателей. В чем особенность применения ML по сравнению с эконометрическими подходами. Особенности производственного цикла по разработке моделей в финансовых организациях.
- Прогнозирование с помощью методов машинного обучения
- Применение методов машинного обучения и эконометрики в прогнозировании финансовых показателей коммерческих банков. Выполнение задач по прогнозированию балансовых показателей банков, применению гауссовских процессов в моделировании временных рядов, и прогнозированию показателей прибыльности.
- Трейдинг и оптимальное управление в финансах
- В первой части вы познакомитесь с кейсами по применению методов Reinforcement Learning (Обучение с подкреплением) для решения задач оптимального управления, а во второй – с применением передовых методов анализа данных в задачах трейдинга.
- Natural Language Processing
- Применение методов машинного обучения для улучшения клиентского опыта с помощью методов Natural Language Processing (на примере виртуальных персональных ассистентов, чат-ботов)
- Применение методов машинного обучения в анализе процессов
- Использование process mining для повышения эффективности различных процессов финансовой организации. Мы рассмотрим конкретный кейс по процессу «Оплата счетов сторонних организаций и причина несогласований сотрудниками оплаты счета».
- Прогнозирование макроэкономических показателей
- На настоящий момент одна из самых амбициозных задач, которая ставится перед аналитиками – попытка предсказать различные макроэкономические показатели. Мы рассмотрим конкретный кейс прогнозирования инфляции.
