آموزش یادگیری ماشینی برای خدمات مالی

Machine Learning for Financial Services

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیویی برای نمایش وجود ندارد.
توضیحات دوره: این دوره جنبه های مفهومی استفاده از یادگیری ماشین را برای مشکلات صنعت خدمات مالی بررسی می کند و در مورد مطالعات موردی یادگیری ماشین مورد استفاده در خدمات مالی بحث می کند. مدل های تحلیلی و آماری در حال حاضر بخشی جدایی ناپذیر از صنعت مالی و استفاده از ساخت های یادگیری ماشین هستند بر پایه ای قوی در این صنعت. صنعت خدمات مالی به دلیل وجود مقادیر بسیار زیاد داده‌های با کیفیت بالا در حال حاضر به طور منحصر به فردی برای استفاده از یادگیری ماشینی موقعیت دارد. در این دوره آموزشی، یادگیری ماشین برای خدمات مالی، تکنیک‌های یادگیری ماشینی را که در حال حاضر در صنعت خدمات مالی استفاده می‌شود، بررسی خواهید کرد. ابتدا، به چند نمونه و مواردی که در آن ML در حال حاضر در خدمات مالی استفاده می شود - برای پیش بینی سرمایه گذاری، اتوماسیون وام، اتوماسیون فرآیند و کشف تقلب نگاه خواهید کرد. سپس، درک شهودی از نحوه تکرار شبکه‌های عصبی ایجاد خواهید کرد. سپس، دو مطالعه موردی ML را از مقالات تحقیقاتی بررسی خواهید کرد - اولی تمرکز بر ارزیابی و کمی کردن بازده سرمایه‌گذاری است و دومی بررسی چگونگی طبقه‌بندی و مدل‌های خوشه‌بندی می‌تواند به شناسایی پول کمک کند. شستشو در نهایت، کدنویسی عملی دریافت خواهید کرد و خواهید دید که چگونه می‌توانید از یک مدل طبقه‌بندی برای تشخیص تقلب در مجموعه داده‌ای که به‌طور مصنوعی تولید می‌شود، استفاده کنید. پس از اتمام این دوره، از نحوه استفاده از یادگیری ماشینی در صنعت خدمات مالی و تجربه عملی کار با داده های مالی آگاهی خواهید داشت.

سرفصل ها و درس ها

بررسی اجمالی دوره Course Overview

  • بررسی اجمالی دوره Course Overview

بررسی کاربردهای یادگیری ماشینی در خدمات مالی Exploring Applications of Machine Learning in Financial Services

  • بررسی نسخه Version Check

  • پیش نیازها و رئوس مطالب دوره Prerequisites and Course Outline

  • روندهای داده و تحلیل در امور مالی Data and Analytics Trends in Finance

  • موارد استفاده از ML در امور مالی: پیش بینی های سرمایه گذاری Use Cases of ML in Finance: Investment Predictions

  • موارد استفاده از ML در امور مالی: اتوماسیون وام Use Cases of ML in Finance: Loan Automation

  • استفاده از موارد ML در امور مالی: اتوماسیون فرآیند Use Cases of ML in Finance: Process Automation

  • موارد استفاده از ML در امور مالی: Robo Advisors Use Cases of ML in Finance: Robo Advisors

  • از موارد ML در امور مالی استفاده کنید: تشخیص کلاهبرداری Use Cases of ML in Finance: Fraud Detection

  • شبکه های عصبی مکرر برای داده های مالی Recurrent Neural Networks for Financial Data

  • چالش های ML در امور مالی Challenges of ML in Finance

مطالعه موردی: کمی سازی ریسک و بازده فرصت های سرمایه گذاری Case Study: Quantifying Risk and Return of Investment Opportunities

  • مدیریت ریسک پورتفولیو Managing Portfolio Risk

  • مدلسازی بازده و ریسک Modeling Returns and Risk

  • پیش‌بینی همبستگی سهام: زمینه و زمینه Stock Correlation Prediction: Background and Context

  • پیش بینی همبستگی سهام: مدل ترکیبی پیشنهادی Stock Correlation Prediction: Proposed Hybrid Model

  • پیش بینی ضریب همبستگی سهام: روش شناسی و نتایج Stock Correlation Coefficient Prediction: Methodology and Results

مطالعه موردی: استخراج بینش برای کشف تقلب Case Study: Extracting Insights for Fraud Detection

  • تشخیص تقلب: زمینه و زمینه Fraud Detection: Background and Context

  • تشخیص تقلب: ویژگی های تراکنش و ویژگی های مشتری Fraud Detection: Transaction Features and Customer Features

  • تشخیص تقلب: برچسب زدن اسنورکل Fraud Detection: Snorkel Labeling

  • کشف تقلب: روش شناسی و نتایج Fraud Detection: Methodology and Results

استفاده از تکنیک های یادگیری ماشین در داده های مالی Applying Machine Learning Techniques to Financial Data

  • موارد استفاده طبقه بندی Classification Use Cases

  • دقت، دقت و یادآوری Accuracy, Precision, and Recall

  • نسخه ی نمایشی: کشف تقلب - کاوش و آماده سازی داده ها قسمت اول Demo: Fraud Detection - Data Exploration and Preparation Part I

  • نسخه ی نمایشی: کشف تقلب - بخش دوم کاوش و آماده سازی داده ها Demo: Fraud Detection - Data Exploration and Preparation Part II

  • نسخه ی نمایشی: تشخیص تقلب - مدل های طبقه بندی Demo: Fraud Detection - Classification Models

  • نسخه ی نمایشی: تشخیص تقلب - منحنی های ROC و AUC Demo: Fraud Detection - ROC Curves and AUC

  • خلاصه، منابع مورد استفاده و مطالعه بیشتر Summary, Resources Used, and Further Study

نمایش نظرات

Pluralsight (پلورال سایت)

Pluralsight یکی از پرطرفدارترین پلتفرم‌های آموزش آنلاین است که به میلیون‌ها کاربر در سراسر جهان کمک می‌کند تا مهارت‌های خود را توسعه دهند و به روز رسانی کنند. این پلتفرم دوره‌های آموزشی در زمینه‌های فناوری اطلاعات، توسعه نرم‌افزار، طراحی وب، مدیریت پروژه، و موضوعات مختلف دیگر را ارائه می‌دهد.

یکی از ویژگی‌های برجسته Pluralsight، محتوای بروز و با کیفیت آموزشی آن است. این پلتفرم با همکاری با توسعه‌دهندگان و کارشناسان معتبر، دوره‌هایی را ارائه می‌دهد که با توجه به تغییرات روزافزون در صنعت فناوری، کاربران را در جریان آخرین مفاهیم و تکنولوژی‌ها نگه می‌دارد. این امر به کاربران این اطمینان را می‌دهد که دوره‌هایی که در Pluralsight می‌پذیرند، با جدیدترین دانش‌ها و تجارب به روز شده‌اند.

آموزش یادگیری ماشینی برای خدمات مالی
جزییات دوره
1h 51m
27
Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
(آخرین آپدیت)
11
4.2 از 5
دارد
دارد
دارد
Janani Ravi
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Janani Ravi Janani Ravi

معمار و مهندس داده خبره Google Cloud

Janani Ravi یک معمار و مهندس داده خبره Google cloud است.

جنانی مدرک کارشناسی ارشد خود را در رشته مهندسی برق از دانشگاه استنفورد دریافت کرد و برای مایکروسافت، گوگل و فلیپ کارت کار کرده است. او یکی از بنیانگذاران Loonycorn است، یک استودیوی محتوا که بر ارائه محتوای با کیفیت بالا برای توسعه مهارت های فنی متمرکز است، جایی که او عشق خود را به فناوری با اشتیاق خود به تدریس ترکیب می کند.