Projekty studentów - praktyczne zastosowania ML w finansach
Poznaj rzeczywiste implementacje algorytmów uczenia maszynowego stworzone przez uczestników naszych kursów. Każdy projekt pokazuje konkretne zastosowanie technik analitycznych w różnych obszarach finansów.
Nasze kursy kładą nacisk na praktyczne umiejętności. Poniższe projekty powstały jako efekt wielotygodniowej nauki i odzwierciedlają realny poziom kompetencji, jaki można osiągnąć w programie Kymetriq.
System predykcji zmienności dla portfela akcji
Implementacja modelu GARCH do prognozowania zmienności 50 spółek z WIG20. System wykorzystuje dane historyczne z ostatnich 5 lat i optymalizuje alokację kapitału w oparciu o przewidywane ryzyko. Dokładność predykcji na poziomie 73% w horyzoncie 10-dniowym.
Detektor anomalii w transakcjach kartowych
Autoenkoder neuronowy do identyfikacji nietypowych wzorców transakcyjnych w zbiorze 2,3 mln operacji. Model osiąga 89% precyzji w wykrywaniu podejrzanych transakcji przy zaledwie 4% fałszywych alarmów. Czas przetwarzania pojedynczej transakcji to 12ms.
Klasyfikator zdolności kredytowej klientów
Model gradient boosting (XGBoost) analizujący 47 zmiennych finansowych i behawioralnych dla oceny ryzyka kredytowego. Accuracy na poziomie 84% na danych testowych, z AUC-ROC wynoszącym 0.91. System przetwarza wnioski 60% szybciej niż poprzednie rozwiązanie.
Rekomendacje produktów finansowych
System rekomendacyjny wykorzystujący collaborative filtering i analizę cech klientów do dopasowania oferty. Model testowany na bazie 180 tys. klientów osiągnął 68% trafność w predykcji zainteresowania produktem. Średni wzrost konwersji w pilotażu wyniósł 23%.
Jak powstają projekty w ramach kursu
Definicja problemu
Wybór konkretnego wyzwania finansowego i zrozumienie kontekstu biznesowego
Przygotowanie danych
Zbieranie, czyszczenie i przekształcanie danych w format analityczny
Budowa modelu
Implementacja algorytmów, trening i optymalizacja hiperparametrów
Walidacja i wdrożenie
Testowanie wydajności i przygotowanie rozwiązania do produkcji
Doświadczenie absolwentki
Praktyczne projekty to fundament naszego podejścia do nauczania. Poznaj historię Żanety, która przez 10 tygodni pracowała nad własnym systemem analitycznym.
Praca nad projektem detekcji anomalii była najtrudniejszym i najbardziej wartościowym elementem kursu. Nauczyłam się nie tylko implementować autoencodery, ale też myśleć o problemach z perspektywy biznesowej. Największym wyzwaniem było zbalansowanie czułości modelu - zbyt wiele fałszywych alarmów denerwuje użytkowników, zbyt mało oznacza przepuszczone oszustwa. Mentor pomógł mi znaleźć optymalne parametry.
Zbuduj własny projekt analityczny
Dołącz do kursu i pracuj nad realnym wyzwaniem finansowym pod okiem doświadczonych mentorów. Każdy uczestnik rozwija unikalny projekt od koncepcji do wdrożenia.