Fraunhofer-Institut für Algorithmen und Wissenschaftliches Rechnen SCAIValidierung und Interpretation von Modellen des Maschinellen Lernens im Finanzbereich
Inhalte
Die Schulung vermittelt Kenntnisse über aktuelle Verfahren zur Validierung und Interpretierbarkeit von Modellen des Maschinellen Lernens im Finanzbereich anhand praxisnaher Beispiele:
- Kreditausfallschätzung
- Spreadkurven-Kalibrierung
- Portfolio-Optimierung
Neben einer ausführlichen Darstellung und Diskussion der Verfahren, wie
- ICE, PDP, ALE,
- LIME, Shapley, Counterfactuals,
- Prototypes und Criticisms,
erproben und vertiefen die Teilnehmenden ihr Wissen an Praxisbeispielen auf Basis von Jupyter-Notebooks. Die Praxisbeispiele können von den Teilnehmenden als Basis für eigene Projekte im beruflichen Kontext weiterverwendet werden. Hierbei wird das Augenmerk insbesondere auf Herausforderungen im Hinblick auf die avisierte Problemklasse gerichtet, etwa die Abhängigkeit von Inputdaten oder kategorischer Werte.
Highlights
- Praxisnahe Beispiele mit Python-Code zur Anwendung im beruflichen Kontext
- Fokus auf die Bedürfnisse der Modellvalidierung und Interpretation quantitativer Modelle aus dem Finanzbereich
- Diskussion der Verfahren im Hinblick auf kategorische und stark abhängige Variablen
Die Schulung findet ganztägig in Präsenz statt. Gerne können Sie die Schulung auch individuell als Inhouse-Schulung buchen. Voraussetzung ist ein internetfähiges Notebook.