Hubungi Kami

Kerangka Materi

Pengenalan Machine Learning dalam Keuangan

  • Gambaran umum AI dan ML dalam industri keuangan
  • Jenis machine learning (terbimbing, tidak terbimbing, pembelajaran penguatan/reinforcement learning)
  • Studi kasus dalam deteksi kecurangan, penilaian kredit, dan pemodelan risiko

Dasar Python dan Penanganan Data

  • Menggunakan Python untuk manipulasi dan analisis data
  • Menjelajahi dataset keuangan dengan Pandas dan NumPy
  • Visualisasi data menggunakan Matplotlib dan Seaborn

Pembelajaran Terbimbing untuk Prediksi Keuangan

  • Regresi linear dan logistik
  • Pohon keputusan dan random forests
  • Mengevaluasi kinerja model (akurasi, presisi, recall, AUC)

Pembelajaran Tidak Terbimbing dan Deteksi Anomali

  • Teknik clustering (K-means, DBSCAN)
  • Analisis Komponen Utama (PCA)
  • Deteksi outlier untuk pencegahan kecurangan

Penilaian Kredit dan Pemodelan Risiko

  • Membangun model penilaian kredit menggunakan regresi logistik dan algoritma berbasis pohon
  • Menangani dataset yang tidak seimbang dalam aplikasi risiko
  • Interpretabilitas model dan keadilan dalam pengambilan keputusan keuangan

Deteksi Kecurangan dengan Machine Learning

  • Jenis umum kecurangan keuangan
  • Menggunakan algoritma klasifikasi untuk deteksi anomali
  • Strategi penilaian real-time dan peluncuran (deployment)

Peluncuran Model dan Etika dalam AI Keuangan

  • Meluncurkan model dengan Python, Flask, atau platform cloud
  • Pertimbangan etika dan kepatuhan regulasi (misalnya, GDPR, explainability)
  • Pemantauan dan pelatihan ulang model di lingkungan produksi

Ringkasan dan Langkah Berikutnya

Persyaratan

  • Pemahaman tentang statistik dasar dan konsep keuangan
  • Pengalaman dengan Excel atau alat analisis data lainnya
  • Pengetahuan pemrograman dasar (disarankan dalam Python)

Audience

  • Analis keuangan
  • Aktuaria
  • Pejabat risiko
 21 Jam

Jumlah Peserta


Harga per Peserta

Testimoni (5)

Kursus Mendatang

Kategori Terkait