Програма курсу

Вступ до Data Science у фінансах

На цьому курсі починають з основ. Учасники знайомляться з викладачем, розуміють цілі навчання та налаштовують середовище Python. Тут пояснюють завдання фінального проєкту та ключові дати. Також розглядають роль Data Science, AI та ML у фінансовій галузі, вивчають необхідні навички та основну термінологію.

Робота з фінансовими даними

Цей блок навчить знаходити та обробляти фінансові дані. Учасники дізнаються про популярні джерела інформації та методи очищення даних на Python. На практиці вони розв'яжуть типові проблеми фінансових наборів даних. Далі йде Exploratory Data Analysis - учасники вчаться отримувати інсайти з даних, використовуючи візуалізацію та функціональну інженерію, зокрема для роботи з часовими рядами.

Статистичне моделювання та машинне навчання

У цьому модулі вивчають статистичне моделювання для фінансових задач. Учасники вчаться перевіряти бізнес-гіпотези та робити висновки з даних. Практичне завдання включає оцінку кредитоспроможності для проєкту LendingClub. Далі переходять до машинного навчання - будують класифікаційні моделі для оцінки ризиків, оцінюють їх ефективність та балансують між точністю та зрозумілістю.

Просунуті методи ML та глибоке навчання

Тут розглядають ансамблеві методи для покращення прогнозів. Учасники вивчають фреймворки інтерпретації моделей та налаштування гіперпараметрів. На демонстрації порівнюють ефективність ансамблевої моделі з базовою. Потім йде вступ до глибокого навчання - основи нейронних мереж та їх застосування у фінансах, з демонстрацією популярних фреймворків Python.

Спеціалізовані фінансові застосування

Цей блок охоплює нетипові задачі машинного навчання. Учасники вивчають неконтрольоване навчання для виявлення аномалій, сегментації клієнтів та зменшення розмірності даних. Окремий модуль присвячений моделюванню часових рядів - від розкладання на компоненти до методів прогнозування. Останній модуль вводить у генеративний AI та великі мовні моделі, з демонстрацією створення фінансового чат-бота.

Реалізація та кар'єра

Фінальні модулі зосереджені на практичній реалізації. Учасники створюють застосунок для виявлення шахрайства в реальному часі, враховуючи масштабованість та дизайн. Далі вивчають життєвий цикл ML Ops - від архітектури систем до управління моделями, етичних аспектів та вимог регуляторів. Завершується курс стратегією кар'єрного планування для Data Scientist у фінансах, включаючи тенденції ринку та підготовку до співбесід.

Особливості навчання

Курс включає власний проєкт, де учасники застосовують отримані знання на практиці. Викладач має міжнародний досвід у галузі. Після успішного завершення учасники отримують сертифікат.

Що включено

Вечірні заняття

Видається диплом/сертифікат

Реальний проект у портфоліо

Супровід ментора

Data Science in Finance

Про курс

Програма курсу

Вступ до Data Science у фінансах

Робота з фінансовими даними

Статистичне моделювання та машинне навчання

Просунуті методи ML та глибоке навчання

Спеціалізовані фінансові застосування

Реалізація та кар'єра

Особливості навчання

Що включено

Про школу

Laba

Інші курси школи

Project Manager

Business English для фінансистів

Excel для бізнесу