O "Hellenic Association of Risk Managers" (www.harima.gr) μέλος της FERMA (Federation European of Risk Management Associations, (www.ferma.eu) & της FECMA (Federation of European Credit Management Associations, (www.fecma.eu), με την υποστήριξη του "Academics University of London Worldwide" και του ΣΕΒ και σε συνεργασία με το ICAP CRIF Risk Training Institute, παρουσιάζουν το εκπαιδευτικό πρόγραμμα "Artificial Intelligence and Machine Learning in Finance/Economics".  Το σεμινάριο παρέχει ουσιαστικές γνώσεις για την εφαρμογή της Τεχνητής Νοημοσύνης και της Μηχανικής Μάθησης στη διαδικασία λήψης οικονομικών αποφάσεων. Παράλληλα, αναλύει τις αποτελεσματικότερες μεθόδους και τα διαθέσιμα εργαλεία για την ανάλυση των δεδομένων και τον καθορισμό του στρατηγικού σχεδιασμού των επιχειρήσεων.

Σκοπός του σεμιναρίου είναι η ανάπτυξη των κύριων μεθοδολογιών ανάλυσης δεδομένων και η παροχή των σχετικών τεχνικών δεξιοτήτων μέσω μελετών περίπτωσης (case studies), ώστε οι συμμετέχοντας να είναι σε θέση να εκτελέσουν το σύνολο των λειτουργιών που απαιτούνται για τη λήψη αποφάσεων. Ειδικότερα θα παρουσιαστούν οι βασικές τεχνικές Μηχανικής Μάθησης και Τεχνητής Νοημοσύνης σε συνδυασμό με τα κυριότερα οικονομετρικά μοντέλα. Το σεμινάριο πραγματεύεται λεπτομερώς τα ζητήματα που εμπίπτουν στα συγκεκριμένα πεδία δίνοντας τη δυνατότητα στους συμμετέχοντες να κατανοήσουν το θεωρητικό υπόβαθρο αυτών των μεθόδων και κυρίως να ειδικευτούν στην πρακτική εφαρμογή τους, στο επαγγελματικό περιβάλλον που δραστηριοποιούνται.

• Επιχειρηματίες
• Στελέχη Οικονομικής Δ/νσης
• Στελέχη Εμπορικής Δ/νσης και Μάρκετινγκ
• Στελέχη της Εφοδιαστικής Αλυσίδας
• Επαγγελματίες Διαχείρισης Έργων
• Εσωτερικοί Ελεγκτές
• Στελέχη εκτός Οικονομικών Δ/νσεων που πρέπει να γνωρίζουν τους χρηματοοικονομικούς κινδύνους που αντιμετωπίζει η επιχείρηση τους.
• Επαγγελματίες Ανθρώπινου Δυναμικού
• Επαγγελματίες Νομικούς
• Χρηματοοικονομικούς αναλυτές, διαχειριστές χαρτοφυλακίων, στελέχη εταιρειών venture capital που ασχολούνται με το χώρο των επενδύσεων και επιθυμούν να διευρύνουν και να εμβαθύνουν το γνωστικό τους αντικείμενο και τα εργαλεία που μπορούν να χρησιμοποιήσουν στη δουλειά τους.

• Οικονομετρικά μοντέλα ανάλυσης δεδομένων
  • Linear Discriminant Analysis,
  • Binomial – Multinomial logistic regressions,
  • Υποδείγματα με κατηγορικές μεταβλητές,
• Μοντέλα Τεχνητής Νοημοσύνης (Artificial Intelligence - AI) και Μηχανικής Μάθησης (Machine Learning - ML)
  • Artificial Neural Networks (Multilayer Perceptron – Radial Basis Function),
  • Decision Trees,
  • Random Forests,
  • Support Vector Machines.
• Εφαρμογές στη Χρηματοοικονομική
  • Αξιολόγηση πιστοληπτικής ικανότητας πελατών
  • Πρόβλεψη πορείας βασικών οικονομικών μεγεθών
  • Καθορισμός ανεξάρτητων μεταβλητών και προσδιορισμός της σημαντικότητας καθεμίας

• Εφαρμογές/Μελέτες Περίπτωσης στη Διοικητική Λογιστική με χρήση του Excel
  • Σύνταξη έκθεσης κόστους παραγωγής,
  • Προετοιμασία προϋπολογισμών παραγωγής και ελαστικών προϋπολογισμών,
  • Κατανομή των γενικών εξόδων παραγωγής με τη μεθοδο κοστολόγησης κατά δραστηριότητα (ABC method),
  • Υπολογισμός βέλτιστου μείγματος προϊόντων,
  • Ωρίσμανση εισπρακτέων λογαριασμών,
  • Επίλυση προβλημάτων βελτιστοποίησης.

• Ανάπτυξη Μελετών Περίπτωσης – Διεθνής αρθρογραφία
  • Πρόβλεψη πιστωτικού κινδύνου (credit risk) και πιστοληπτικής ικανότητας πελατών (customer creditworthiness).
  • Πρόβλεψη εσόδων από πωλήσεις (predicting sales revenue) και εκτίμηση χαρακτηριστικών καταναλωτών (consumer characteristics)
  • Πρόβλεψη πορείας μετοχών / χρηματοοικονομικών παραγόντων
• Εξειδικευμένες Μελέτες Περίπτωσης
  • Ανάπτυξη εξειδικευμένων μελετών περίπτωσης σε συνεργασία με τους συμμετέχοντες για ανάδειξη της αξίας και κατανόηση της λειτουργίας των μεθόδων AI και ML.

• συνδυάσει την αναλυτική σκέψη με πρακτικές εφαρμογές.
• κατανοεί την αναγκαιότητα εφαρμογής των μεθόδων AI και ML.
• επιλέγει το κατάλληλο υπόδειγμα με βάση τα δεδομένα της υπόθεσης προς έλεγχο.
• διαχειριστεί βάσεις μαζικών δεδομένων και να εφαρμόσει τις κυριότερες μεθοδολογίες ανάλυσης με τη χρήση κατάλληλου λογισμικού.
• εξάγει την απαραίτητη πληροφορία από βάσεις δεδομένων και να προβεί σε ανάλυση που αφορά την εξαγωγή μοτίβων για τη χρησιμοποίηση σε χρηματοοικονομικές προβλέψεις και τη διαχείριση κινδύνου.
• καταλήξει σε επενδυτικές στρατηγικές και προτάσεις πολιτικής με βάση τα συμπεράσματα της επαγωγικής ανάλυσης.