Специалист по Machine Learning
в финансах
В рамках курса познакомим вас с технологиями Artificial Intelligence, Deep Learning, Data Science, разработке в Azure и языку R. Научим использовать технологии машинного обучения в финансовом секторе.
ОНЛАЙН КУРС:
+7 499 213-34-62
Запишитесь на курс!
Оставьте свои данные и наш менеджер с Вами свяжется в ближайшее рабочее время.
Мы не передаем ваши данные третьим лицам.
Онлайн обучение с интересной и понятной подачей
8 недель
интерактивной
практики и обучения
Практические задачи, которые можно сразу внедрять в бизнес
Сертификат,
подтверждающий
ваши знания
Для кого этот курс?
Курс рассчитан на программистов и data science специалистов. В первую очередь курс будет полезен:
Аналитикам
Бизнес аналитикам
Финансовым аналитикам
Системным аналитикам
Аналитикам BI
Архитекторам данных
Программистам
Финансовым специалистам
Какие навыки вы получите?
Представление о структуре современной финансовой системы и основных концепциях, лежащих в основе технологий Машинного обучения
Теоретические знания в области применения алгоритмов машинного обучения и нейронных сетей для задач финансового сектора
Практический опыт в решении задач банковского сектора, работы с финансовыми временными рядами, задачи предсказания оттока клиентов.
Какие задачи вы решите в процессе обучения?
Решите задачи предсказания дефолта клиента по кредиту с помощью линейных моделей и ансамблей деревьев решений
Спрогнозируете финансовые временные ряды с помощью нейронных сетей
Сделаете предсказание вероятности продления страхового договора при помощи методов автоматического машинного обучения (Automated ML)
Программа курса:
Неделя 0. Приветствие
  • Вступительное слово
  • Требования к слушателям
  • Правила курса
  • Полезные материалы
Неделя 1. Введение в финансы
  • Финансовый сектор: его значение, цель и структура
  • Технологии AI в финансах: текущий статус и перспективы
  • Технологии AI в финансах: особенности использования
  • Типовые AI кейсы в финансовом секторе
  • Контрольные вопросы по материалам недели
Неделя 2. Основы языка R
  • Установка инструментов разработки R
  • Основные операторы и структуры данных в R
  • Циклы, классы и функции в R
  • Работа с data frame и манипулирование данными
  • Импорт и экспорт данных в R
Неделя 3. Введение в Data Science
  • Машинное обучение и нейронные сети: основные концепции
  • Современный Data Science: языки программирования, основные фреймворки и инструменты
  • ML-сервисы и инструментарий в облачных платформах
  • Создаем рабочее пространство в облаке
  • Контрольные вопросы по материалам недел
Неделя 4. Технологии AI в коммерческих банках
  • Машинного обучения в коммерческих банках: кейсы применения ML и основные подходы
  • Кредитный скоринг: предсказание дефолта
  • Продвинутые методы машинного обучения для задачи скоринга
  • Контрольные вопросы по материалам недели
Неделя 5. Технологии AI в финансовых рынках
  • Трейдинг и оптимальное управление в финансах: кейсы применения ML и основные подходы
  • Прогнозирование цены криптовалюты
  • Продвинутые методы машинного обучения для задач прогнозирования
  • Контрольные вопросы по материалам недели
Неделя 6. Технологии AI в страховании
  • Машинного обучения в страховании: кейсы применения ML и основные подходы
  • Прогнозирование вероятности пролонгации страхового продукта
  • Продвинутые методы машинного обучения для задач оттока/пролонгации
  • Контрольные вопросы по материалам недели
Неделя 7. Использование AI на практике
  • Архитектура современного Data Science решения
  • Наборы данных и исследования в области AI: поиск и использование
  • Использование технологи AI и данных: юридические аспекты и этические вопросы
  • Перспективные области исследований AI
  • Подведение итогов курса
Неделя 8. Финальный проект
  • Выбор и выполнение дипломного проекта
  • Защита проекта, выдача дипломов (оффлайн встреча)
Изучение материалов
Домашние задания
Постоянная поддержка
Промежуточные итоги
Как проходит обучение?
Просмотр видеороликов, статей, прохождение тестов в специальном кабинете
После прохождения каждого занятия вам будет назначено домашнее задание, целью которого будет решение настоящей проблемы реального бизнеса
На протяжении всего курса вас будут поддерживать тренер и преподаватель, которые подскажут что вы делаете не так, ответят на вопросы и направят на путь истинный
Преподаватель будет подводить итоги модуля, отвечать на дополнительные вопросы и рассказывать несколько лайфхаков по пройденным темам
1
2
3
4
Сертификат в конце курса:
Больше 2 вакансий на специалиста
Спрос на специалистов по Data science неуклонно растёт. Это значит, что после прохождения нашего курса, вы станете востребованным специалистом, а учитывая узкую направленность нашей тематики — мы гарантируем вам помощь в трудоустройстве.
180 000
280
124
Средня ЗП специалистов по ML
Открытых вакансий
Специалистов в поиске работы
Автор курса
Консультант в области машинного интеллекта, архитектор и разработчик облачных решений, обладатель звания Microsoft Most Valuable Professional в номинации AI. Более 8 лет занят в разработке enterprise-решений для финансового сектора. Последние 4 года активно применяет технологии машинного обучения к задачам розничных банков, финансовых рынков, страховых компаний.
Дмитрий Петухов
Ваше резюме может выглядеть так:
Андрей Маслов
Machine learning engineer
• Построение различных моделей машинного обучения, интеграция в общую систему;
• Разработка алгоритмов и обучение анти-фрод/анти-спам систем;
• Разработка/доработка SLAM алгоритмов;
• Разработка моделей для предсказания результата, используя историю цен и внешнюю информацию (например новости, статистика и т.д.);
• Сбор и подготовка данных для тренировки моделей;
• Применение моделей на реальных данных;
• Подготовка данных;
• Построение моделей, основанных на данных о поведении клиентов;
• Автоматизация работы систем;
• Создание подробного описания построенной системы.
Владею следующими навыками:
Инструменты
Желаемая ЗП:
От 180 000 рублей/мес
Почему этот курс?
Баланс теории
и практики
Задачи из индустрии
Преподаватель Most Valuable Professional от Microsoft
Персональные проекты
для выпускников
Теория онлайн
в удобное время
Практические лабораторные останутся у Вас навсегда
Курс нацелен на людей, имеющих представление об основах программирования. Для прохождения теоретической части курса Вам не понадобятся знания в области Финансов или технологий Машинного обучения. Все необходимые теоретические основы будут рассказаны в рамках курса.
Для успешного прохождения практической части курса и написания финального проекта Вам понадобится знание основ статистического пакета R. При отсутствии таковых, Вы сможете их получить на нашем курсе на второй неделе обучения.
Часто задаваемые Вопросы:
Есть ли какой-то критерий отбора на курс? Какими навыками должен обладать слушатель курса?
Курс нацелен на людей, имеющих представление об основах программирования.

Для прохождения теоретической части курса Вам не понадобятся знания в области Финансов или технологий Машинного обучения. Все необходимые теоретические основы будут рассказаны в рамках курса.

Для успешного прохождения практической части курса и написания финального проекта Вам понадобится знание основ статистического пакета R. При отсутствии таковых, Вы сможете их получить на нашем курсе на второй неделе обучения.
Как долго длится курс? В каком формате проходит обучение и аттестация?
Курс состоит из 7 недель. Каждая неделя, кроме заключительной, состоит из теоретической и практической частей. Ориентировочная загрузка для прохождения обоих частей – 6-8 часов в неделю.

Для успешного прохождения курса необходимо ознакомиться с теоретической частью курса, успешно сдать 4 из 6 практических занятий и финальный проект.
Что такое Машинное обучение?
Машинное обучение - это построение на основании известных данных моделей, которые предсказывают неизвестное.

  • Основные задачи машинного обучения:
  • регрессия (предсказание числовых значений признаков, например, предсказание будущих объемов продаж на основании известных данных о продажах в прошлом);
  • классификация (предсказание того, к какому из известных классов относится объект, например, предсказание того, вернет ли заемщик кредит, на основании данных о том, как возвращали кредиты заемщики в прошлом);
  • кластеризация (разделение большого множества объектов на кластеры - классы, внутри которых объекты похожи между собой, например, сегментирование рынка, разделение всех потребителей на классы так, что внуктри классов потребители похожи между собой, а в разных классах - отличаются);
  • поиск аномалий (поиск редких и необычных объектов, существенно отличающихся от основной массы, например, поиск мошеннических транзакций).
Какие задачи решает язык R?
R - язык программирования для статистической обработки данных и работы с графикой. R отлично подходит для задач анализа данных и машинного обучения. Открытый исходный код, удобная IDE, большое коммьюнити, большое количество специализированных пакетов, нацеленных на решение прикладных задач - вот лишь небольшое количество достоинств языка R.
Какие навыки студент получит на выходе?
Решение прикладных задач финансового сектора с помощью современных алгоритмов и фреймворков Машинного обучения
Где сможет применять полученные навыки? По какой профессии?
Финансовый аналитик и/или data scientist в банке, страховой компании или компании, работающей в финансовом секторе.
Онлайн школа основана бизнес-практиками, действующими партнерами Microsoft по сервисам Azure и службе бизнес анализа Power BI. Мы вкладываем в программы курсов самый востребованный практический опыт и строим обучение на реальных кейсах.
Старт уже в этом месяце
В рассрочку первый месяц – бесплатно!
Цена после 9 апреля 65 000 ₽
Можно оплатить по счету от юр. лица
44 000
Курс со скидкой
Оплата только после консультации
3 670
В рассрочку
₽/мес.
Старт уже в этом месяце
В рассрочку первый месяц – бесплатно!
Цена после 9 апреля 65 000 ₽
Можно оплатить по счету от юр. лица
44 000
Курс со скидкой
Оплата только после консультации
3 670
В рассрочку
₽/мес.