Program nauczania uczenia maszynowego w finansach
Praktyczny kurs łączący teorię z zastosowaniami rzeczywistymi. Przygotuj się do pracy z danymi finansowymi i modelami predykcyjnymi w środowisku produkcyjnym.
Zapisz się na kursModuły programu
Każdy moduł opiera się na poprzednim, tworząc spójną ścieżkę nauki od podstaw do zaawansowanych technik stosowanych w instytucjach finansowych.
Podstawy uczenia maszynowego
Poznasz fundamenty algorytmów nadzorowanych i nienadzorowanych. Zrozumiesz różnicę między regresją a klasyfikacją oraz nauczysz się przygotowywać dane finansowe do modelowania.
Przetwarzanie danych finansowych
Praca z szeregami czasowymi, obsługa brakujących wartości, normalizacja i standaryzacja danych. Dowiesz się, jak radzić sobie z rzeczywistymi problemami jakości danych.
Modele predykcyjne
Tworzenie modeli przewidujących ruchy cen, oszacowanie ryzyka kredytowego i wykrywanie anomalii. Praca z bibliotekami scikit-learn i XGBoost w praktycznych scenariuszach.
Optymalizacja portfela
Zastosowanie algorytmów do alokacji aktywów, teoria portfela Markowitza w praktyce oraz techniki uczenia ze wzmocnieniem w zarządzaniu inwestycjami.
Ocena i walidacja modeli
Metody walidacji krzyżowej, metryki ewaluacji specyficzne dla finansów, backtesting strategii oraz analiza błędów i overfittingu w modelach finansowych.
Wdrożenie produkcyjne
Przygotowanie modeli do użycia w środowisku rzeczywistym. Monitoring wydajności, aktualizacja modeli i integracja z systemami transakcyjnymi banków i firm inwestycyjnych.
Program w liczbach
Jak uczymy
Każdy temat przedstawiamy najpierw w formie wykładu, gdzie wyjaśniamy teorię i pokazujemy matematykę stojącą za algorytmami. Następnie przechodzimy do implementacji w Pythonie, gdzie krok po kroku budujemy modele.
W trzeciej części każdego modułu pracujesz nad rzeczywistymi danymi finansowymi – notowaniami giełdowymi, raportami kwartalnym spółek czy danymi o kredytach. Uczysz się rozwiązywać problemy, z którymi spotykasz się w pracy analityka.
Po każdym tygodniu otrzymujesz zadanie praktyczne do wykonania samodzielnie. Sprawdzamy twoje rozwiązania i udzielamy szczegółowej informacji zwrotnej, wskazując zarówno mocne strony, jak i obszary do poprawy.
Co mówią uczestnicy
Bartosz Wilk
Analityk danych, bank komercyjnyPracowałem z danymi klientów, ale nie wiedziałem, jak zastosować ML do oceny ryzyka. Po kursie zbudowałem model, który teraz używamy w dziale kredytowym. Najbardziej pomogły mi przykłady z rzeczywistych przypadków bankowych.
Dominika Janik
Specjalistka ds. portfeli, firma inwestycyjnaKurs dał mi konkretne narzędzia do optymalizacji alokacji aktywów. Moduł o walidacji modeli był szczególnie wartościowy – nauczyłam się, jak unikać typowych pułapek przy backtestingu strategii inwestycyjnych.
Narzędzia i technologie
W trakcie kursu pracujesz z profesjonalnymi narzędziami używanymi przez analityków w instytucjach finansowych na całym świecie.
Twoje projekty końcowe
Na zakończenie kursu realizujesz kompleksowy projekt, który pokazuje twoje umiejętności. Możesz wybrać jeden z sugerowanych tematów lub zaproponować własny.
System predykcji ryzyka kredytowego
Model klasyfikacyjny oceniający prawdopodobieństwo niespłacenia kredytu na podstawie danych historycznych i bieżących
Zacznij naukę już dziś
Dołącz do najbliższej grupy i zdobądź praktyczne umiejętności stosowania uczenia maszynowego w analizie finansowej. Miejsca są ograniczone.
Zapisz się na kurs