SAPS Logo

Unsupervised Machine Learning in der Finanzwirtschaft

Das Thema Unsupervised Machine Learning ist schon seit längerem in der Finanzwirtschaft angekommen, auch im Versicherungssektor finden die Methoden verstärkt Anwendungen. Die beschriebenen Methoden sind vor allem dazu geeignet, unbekannte Strukturen in Datensätzen zu entdecken und können deshalb bei vielen Fragestellungen (z.B. im Asset Management) eingesetzt werden.

Im Rahmen dieses eintägigen Workshops vermitteln wir zentrale Aspekte der modernen statistischen Datenanalyse. Der Fokus liegt auf Advanced Data Analytics, also der Anwendung erfolgreicher Machine-Learning-Verfahren zum Einsatz bei der Identifzierung „ähnlicher“ Datensätze und daraus abgeleiteten Klassifizierungen. Wir geben einen Überblick über innovative Methoden in der modernen Datenanalyse und stellen die allgemeine Vorgehensweise sowie die relevanten Verfahren zum Unsupervised Machine Learning vor. Alle im Kurs behandelten Modelle werden sorgfältig und vollständig vorgestellt und nicht als bekannt vorausgesetzt. Neben den methodischen Grundlagen und Funktionsweisen werden zu allen Modellen die jeweiligen Eigenheiten im Umgang bei der Modellierung, die konkreten Datenanforderungen sowie Vor- und Nachteile aufgrund der zugrundeliegenden Theorie und der praktischen Erfahrung des Dozenten erläutert.

Teilnahmebestätigung
Management und Wirtschaft, Informatik und Mathematik
Präsenz
Ort: Villa Eberhardt, Heidenheimer Straße 80, 89075 Ulm
Entgelt: 690

Sprache: deutsch

Schulungsinhalte

  • Princial Component Analysis (PCA)
  • k-Means Clustering
  • Self-Organising Maps
  • Hierarchical Clustering

Der Workshop ist so gestaltet, dass jedem Teilnehmer / jeder Teilnehmerin leicht der Einstieg in das Thema gelingt.

Fragen zum Angebot? Schreiben Sie uns!

Ihr Ansprechpartner

Wissenschaftlicher Leiter

Dozenten

Dr. Claus Huber

Zielgruppe

Mit diesem eintägigen Workshop wenden wir uns an alle, die sich grundlegend mit Unsupervised Machine Learning beschäftigen wollen. Der Workshop richtet sich an Teilnehmer/innen, die bisher keine oder nur eingeschränkte Erfahrung mit Unsupervised Machine Learning haben.

Lernsetting

Ein besonderes Augenmerk liegt auf der praxisorientierten Gestaltung des Seminars. Die vorgestellten Methoden werden an mehreren Use Cases aus dem Asset Management illustriert:

  • Analyse von Zinsmodellen (Dreifaktormodell der Zinsstrukturkurve)
  • Erkennung von Marktphasen
  • Manager Selection in der Kapitalanlage
  • Replikation eines Aktienindex mit einer möglichst geringen Anzahl von Aktien

Zu allen Themen erhalten die Teilnehmer entsprechende Unterlagen (auf Englisch). Der Workshop wir auf Deutsch referiert.

Voraussetzungen

Grundlegende statistische Vorkenntnisse sind für das Verständnis hilfreich.
Zur Anwendung der Methoden in den Use-Cases sind Kenntnisse zu R hilfreich. Im Workshop werden diese vom Dozenten präsentiert.

Verantwortliche Durchführung

Akademie für Wissenschaft, Wirtschaft und Technik an der Universität Ulm e. V.