Maskinlæring for bank og finans

Å gjøre prediksjoner om fremtidige utfall er en fundamental aktivitet i en bank, enten det er relatert til risikostyring, kredittvurdering eller ulike former for kundeklassifisering. Med raskt økende tilgang på data blir maskinlæringsmodeller stadig mer aktuelle arbeidsverktøy som integreres i den daglige bankdriften. Kurset tar for seg de mest relevante maskinlæringsmetodene, som regulariserte regresjoner, trebaserte metoder, dyp læring, selvstyrt læring ("unsupervised learning") og forsterkningslæring ("reinforcement learning"). Det legges stor vekt på at kursdeltagerne anvender metodene på egendefinerte problemstillinger med utspring i egen bank. Kurset undervises av vitenskapelig ansatte ved Institutt for industriell økonomi og teknologiledelse som har lang erfaring fra bank og finans. Kurset undervises på norsk.

Etter gjennomført kurs skal deltagerne være i stand til å

• forstå og implementere maskinlæringsmetodene som dekkes i kurset
• velge passende metode for et gitt problem
• forstå muligheter, begrensninger og utfordringer ved bruk av kunstig intelligens

Kurset vil ha et utpreget anvendt tilsnitt, med praktiske eksempler på anvendelse av teorien. En vesentlig del av dette vil være eksempler som deltagerne selv spiller inn fra sin praktiske arbeidshverdag.

Kurset vil bestå av 9 digitale forelesninger à to timer, om lag 75 timer selvstudium, to fysiske samlinger av én dags varighet ved NTNU i Trondheim samt én hybrid samling.

Tilbudet er fleksibelt og dermed velegnet for kombinasjon med full jobb.