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.
Linear Discriminant Analysis,
Binomial – Multinomial logistic regressions,
Υποδείγματα με κατηγορικές μεταβλητές,
Artificial Neural Networks (Multilayer Perceptron – Radial Basis Function),
Decision Trees,
Random Forests,
Support Vector Machines
Αξιολόγηση πιστοληπτικής ικανότητας πελατών
Πρόβλεψη πορείας βασικών οικονομικών μεγεθών
Καθορισμός ανεξάρτητων μεταβλητών και προσδιορισμός της σημαντικότητας καθεμίας
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.
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
Ανάπτυξη εξειδικευμένων μελετών περίπτωσης σε συνεργασία με τους συμμετέχοντες για ανάδειξη της αξίας και κατανόηση της λειτουργίας των μεθόδων AI και ML.
Hours Live Online