Kerangka Materi

Pendahuluan tentang Machine Learning dalam Finance

  • Tinjauan tentang AI dan ML dalam industri keuangan
  • Jenis-jenis machine learning (supervised, unsupervised, reinforcement learning)
  • Studi kasus dalam deteksi penipuan, penilaian kredit, dan pemodelan risiko

Python dan Dasar Pengelolaan Data

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

Supervised Learning untuk Prediksi Keuangan

  • Regresi linear dan logistik
  • Decision trees dan random forests
  • Penilaian kinerja model (akurasi, presisi, recall, AUC)

Unsupervised Learning dan Deteksi Anomali

  • Teknik clustering (K-means, DBSCAN)
  • Principal Component Analysis (PCA)
  • Deteksi outlier untuk pencegahan penipuan

Penilaian Kredit dan Pemodelan Risiko

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

Deteksi Penipuan dengan Machine Learning

  • Jenis-jenis penipuan keuangan yang umum
  • Menggunakan algoritma klasifikasi untuk deteksi anomali
  • Strategi penilaian dan pelaksanaan waktu nyata

Deploy Model dan Etika dalam AI Keuangan

  • Melakukan deploy model dengan Python, Flask, atau platform cloud
  • Pertimbangan etis dan keterangan kelayakan (misalnya, GDPR, explainability)
  • Pemantauan dan pelatihan ulang model dalam lingkungan produksi

Ringkasan dan Langkah Selanjutnya

Persyaratan

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

Peserta

  • Analis keuangan
  • Aktuari
  • Petugas risiko
 21 Jam

Jumlah Peserta


Biaya per Peserta

Testimoni (1)

Kursus Mendatang

Kategori Terkait