Program zajęć
-
Moduł 1: Dane finansowe w praktyce
Struktura danych bankowych i giełdowych. Czyszczenie, normalizacja, obsługa brakujących wartości. Czas: 2 tygodnie
-
Moduł 2: Pierwsze modele predykcyjne
Regresja liniowa i logistyczna na danych przychodowych. Walidacja krzyżowa i metryki finansowe. Czas: 2 tygodnie
-
Moduł 3: Zaawansowane algorytmy
XGBoost i Random Forest do oceny ryzyka. Strojenie hiperparametrów. Czas: 3 tygodnie
-
Moduł 4: Interpretowalność modeli
SHAP, LIME, raporty dla regulatorów. Projekt końcowy z prezentacją. Czas: 1 tydzień
Czy analityka predykcyjna AI jest dla Twojej firmy priorytetem?
O tym programie
Predyktywna analityka finansowa to obszar, w którym modele uczenia maszynowego zastępują arkusze kalkulacyjne i intuicję analityków. Kurs skupia się na konkretnych zastosowaniach: prognozowanie przychodów, ocena ryzyka portfela, wykrywanie anomalii w transakcjach. Nie ma tu miejsca na ogólniki.
Czego faktycznie się nauczysz
Zaczniesz od przygotowania danych finansowych w Pythonie z bibliotekami pandas i scikit-learn. Następnie przejdziesz do budowania modeli regresji i klasyfikacji na rzeczywistych zbiorach danych giełdowych i bankowych. Każdy moduł kończy się projektem, który możesz pokazać pracodawcy.
Kurs jest oparty na danych z rynku polskiego i europejskiego, co znacznie ułatwia zrozumienie kontekstu biznesowego.
Szczególną uwagę poświęcamy interpretacji modeli. Umiejętność wyjaśnienia decyzji algorytmu zarządowi lub regulatorowi jest równie ważna jak dokładność predykcji. Używamy narzędzi SHAP i LIME do wizualizacji wyników.
- Python, pandas, scikit-learn, XGBoost
- Dane finansowe: preprocessing i feature engineering
- Modele klasyfikacji ryzyka kredytowego
- Raportowanie wyników dla interesariuszy