Nội dung khóa học

• Buổi 1: Giới thiệu về Phân tích Dữ liệu và Máy Học
Chủ đề:

Giới thiệu về Phân tích Dữ liệu và Máy Học

Mục tiêu:

Giới thiệu về phân tích dữ liệu và ứng dụng trong ngân hàng, tài chính.
Giới thiệu về máy học trong phân tích dữ liệu.
Ôn lại kiến thức lập trình R

Ứng dụng:

Hiểu biết cơ bản về phân tích dữ liệu và máy học, áp dụng trong ngành ngân hàng và tài chính.

Case Study:

Phân tích dữ liệu tài chính để đưa ra dự đoán hoặc xu hướng, sử dụng ngôn ngữ R.

• Buổi 2: Thuật toán KNN và Logistic Regression
Chủ đề:

Thuật toán KNN và Logistic Regression

Mục tiêu:

Giới thiệu thuật toán K-nearest neighbor (KNN).
Phân loại quyết định cho vay dựa trên thông tin nhân khẩu học.
Giới thiệu thuật toán Logistic regression.

Ứng dụng:

Hiểu và áp dụng các thuật toán KNN và Logistic Regression trong các bài toán phân loại.

Case Study:

Xây dựng mô hình phân loại để dự đoán khả năng trả nợ của khách hàng dựa trên các dữ liệu nhân khẩu học.

• Buổi 3: Scorecard Model và Credit Scoring
Chủ đề:

Scorecard Model và Credit Scoring

Mục tiêu:

Model development process and example.
Credit Scoring with Logistic regression.

Ứng dụng:

Ứng dụng: Phát triển và hiểu biết về mô hình Scorecard, áp dụng logistic regression trong credit scoring.

Case Study:

Tạo mô hình đánh giá tín dụng để dự đoán rủi ro tín dụng của khách hàng.

• Buổi 4: Project XHTD và Kiểm thử Mô hình
Chủ đề:

Project XHTD.

Mục tiêu:

Project XHTD.
Đánh giá hiệu năng và kiểm thử mô hình.
Sửa bài tập.

Ứng dụng:

Ứng dụng: Hiểu biết và kỹ năng kiểm thử, đánh giá hiệu năng mô hình.

Case Study:

Đánh giá và cải thiện hiệu suất của một mô hình phân tích dữ liệu tài chính đã được phát triển.

• Buổi 5: Decision Tree và Thuật toán CART & CHAID
Chủ đề:

Giới thiệu về Decision Tree. CART & CHAID.

Mục tiêu:

Giới thiệu về Decision Tree.
Thuật toán CART & CHAID.
Bài toán Expected Loss

Ứng dụng:

Ứng dụng: Nắm vững Decision Tree và áp dụng các thuật toán CART & CHAID.

Case Study:

Phát triển một mô hình Decision Tree để dự đoán tổn thất kỳ vọng trong các quyết định tài chính.

• Buổi 6: Chuỗi Thời gian và Mô hình ARIMA
Chủ đề:

Chuỗi Thời gian và Mô hình ARIMA

Mục tiêu:

Khái niệm Chuỗi thời gian.
Ứng dụng Mô hình ARIMA

Ứng dụng:

Hiểu biết và kỹ năng phân tích chuỗi thời gian sử dụng mô hình ARIMA.

Case Study:

Phân tích và dự đoán xu hướng thị trường chứng khoán hoặc tài chính sử dụng mô hình ARIMA.

• Buổi 7: LGD và LGD Model Framework
Chủ đề:

LGD

Mục tiêu:

Khái niệm LGD và ứng dụng LGD Model Framework

Ứng dụng:

Hiểu biết về LGD và phát triển mô hình LGD.

Case Study:

Xây dựng mô hình LGD để ước tính tổn thất trong trường hợp vỡ nợ.

• Buổi 8: Phân tích Khách hàng và Project Cuối Khóa
Chủ đề:

Project Cuối Khóa

Mục tiêu:

Customer segmentation.
Customer analytics using RFM.
Project cuối khóa

Ứng dụng:

Phân tích Khách hàng

Case Study:

Phân tích và phân loại khách hàng dựa trên hành vi mua hàng và tương tác, sử dụng dữ liệu thực từ một doanh nghiệp.