برگزاری دوره کوتاه مدت در آزمایشگاه مالی محاسباتی خاتم

برگزاری دوره کوتاه مدت در آزمایشگاه مالی محاسباتی خاتم

مدل‌های شبکه‌های عصبی و یادگیری عمیق در سال‌های اخیر به دلیل قدرت پیشگویی خود، و دیگرمشخصه‌هایشان، محبوب شده‌اند. با این حال، علیرغم توان پیش‌بینی آن‌ها، این مدل‌ها و الگوریتم‌های مربوط به آن‌ها، به‌دلیل ماهیت به اصطلاح جعبه سیاهشان به‌ندرت در برخی از صنایع تحت نظارت شدید، مانند امور مالی و پزشکی استفاده شده‌اند. در این کارگاه، چارچوب کلی از مدل‌های شبکه‌های عصبی، فرضیه‌ها، و محدودیت‌های موجود بر آن‌ها را بررسی می‌کنیم. به‌عنوان مثال، در مورد الگوریتم پس- انتشار برای یادگیری در این مدل‌ها، از قضیه تقریب با استفاده از شبکه‌های عصبی، بهبود عملکرد مدل‌های یادگیری عمیق، و دیگر تکنیک‌های عملی صحبت می‌نماییم. همچنین در ادامه به برخی از روش‌های موجود برای درک و تفسیر بهتر مدل‌های با مشخصه جعبه سیاه، مانند شبکه‌های عصبی عمیق، می‌پردازیم. 
   در نهایت، برخی ازکاربردهای این کلاس از مدل‌ها، در زمینه صنایع مالی، بانکی، و بیمه که شامل مواردی همچون مدیریت ریسک اعتباری و تمرینات آزمون استرس است را تشریح می‌کنیم. این روش‌ها را همچنین می‌توان به‌عنوان چارچوب معیار برای کمک به تحلیلگران ریسک، جهت بهبود در عملکرد مدل‌های اصلی، استفاده نمود.

 

برنامه آموزشی لابراتوآر ریسک خاتم

لابراتوآر ریسک خاتم با داشتن مدرسان خبره و پرسابقه در زمینه CFA، امکان دسترسی به مقادیر قابل توجهی از مطالب آموزشی، نمونه سوالات و امتحانات اصلی مورد تأیید مؤسسه CFA را داشته و لذا شانس موفقیت در این آزمون را برای شرکت‌کنندگان، به میزان قابل توجهی افزایش می‌دهد. 
دوره آمادگی CFA در این لابراتوآر، شامل 90 ساعت آموزش حضوری و 90 ساعت حل تمرین می‌باشد و دو هفته آخر این دوره به برگزاری آزمون‌های‌ شبیه‌سازی‌شده به امتحان اصلی اختصاص داده می‌شود.
 
آشنایی با CFA 
گواهینامه CFA به معنی تحلیلگر خبره مالی بوده و مخفف کلمه انگلیسی Chartered Financial Analyst است. این گواهینامه از طرف مؤسسه CFA که مؤسسه‌ای آمریکایی، معتبر و با قدمت 75 ساله است، صادر می‌گردد.  از جمله فعالیت‌های این مؤسسه می‌توان به طراحی و تدوین استانداردهای مالی، برگزاری آزمون و تأیید صلاحیت ها اشاره کرد. 
این دوره شامل سه سطح است که در صورت گذراندن آن ها، داوطلب موفق به اخذ مدرک CFA به عنوان خبره مالی می گردد.
 
Neural networks (NN) models and deep learning have become popular in recent years mainly due to their predictive power, among others. However, despite their predictive capabilities, these models/algorithms have been employed rarely in certain highly regulated industries such as finance and medicine due to the so-called black-box nature of these models. In this workshop, we introduce the general framework for NN models and the underlying assumptions and limitations of this approach. We discuss back-propagation algorithm, the universality theorem of NN and ways for improving the performance of deep learning models, among others. We further discuss some of the recent methods shedding light to the inner workings of the black-box models including deep neural networks.
We also provide some directions in finance, banking and insurance industry, where this class of models could be employed ranging from credit risk management to stress testing exercises. These models can be used as benchmark frameworks helping risk analysts improve the performance of the algorithms employed in production.
 
برای کسب اطلاعات بیشتر با شماره تلفن 89174109 تماس حاصل نمایید. برای ثبت نام در این کلاس ها متقاضیان باید به آدرس اینترنتی (http://khatam.ac.ir/node/add/register-courses) مراجعه نمایند.