Fakta

Sted:
NTNU VIDERE
Studietype:
Enkeltemne
Studieform: Samlingsbasert
Oppstart: 20. august
Studiepoeng:
5
Søknadsfrist: 4. mai

Informasjon oppdatert

20. februar 2025.

Om studiet

Kunstig intelligens og maskinlæringsmodeller kan effektivisere og redusere feil ved en rekke arbeidsoppgaver innen bank- og finanssektoren. Lær hvordan du kan ta i bruk disse arbeidsverktøyene i den daglige driften. 

Slik søker du:

Om du jobber hos en partnerbedrift skal du henvende deg til kontaktpersonen i denne bedriften (se lista under). Du får da nærmere informasjon om hvordan du skal søke. Søknadsfristen for ansatte hos partnerbedriftene er 4. april.

Kontaktpersoner hos partnerne: 

Om du ikke jobber hos en av partnerbedriftene skal du søk via søkeknappen på denne nettsida. Søknadsfristen er da 4. mai.   


 

Å gjøre prediksjoner om fremtidige utfall er en fundamental aktivitet i bank- og finansnæringen, enten det er relatert til risikostyring, kredittvurdering eller ulike former for kundeklassifisering. Med raskt økende tilgang på data blir maskinlæringsmodeller stadig mer aktuelle arbeidsverktøy som integreres i den daglige driften.

På dette kurset lærer du de mest relevante maskinlæringsmetodene som:

  • regulariserte regresjoner
  • trebaserte metoder
  • dyp læring
  • selvstyrt læring (“unsupervised learning”)
  • forsterkningslæring (“reinforcement learning”).

Det legges stor vekt på at du skal kunne anvende metodene på egendefinerte problemstillinger med utspring i egen arbeidsplass. 

Kurset undervises av vitenskapelig ansatte ved Institutt for industriell økonomi og
teknologiledelse som har lang erfaring fra bank og finans.

Kurset undervises på norsk.

Forelesere

Kurset undervises av Sjur Westgaard, Rickard Sandberg og Morten Risstad. Alle tre har praktisk erfaring fra bank og finans, samt erfaring med undervisning og veiledning på bachelor-, master-, phd- og etterutdanningsnivå. Gjesteforelesere fra næringen vil trekkes inn i et visst omfang.

Undervisningsopplegg

Studium med fysiske og digitale samlinger

Opptakskrav

Generell studiekompetanse eller tilsvarende realkompetanse.

Kvalifiserte søkere rangeres etter "først til mølla"-prinsippet (dato for søknad).

Anbefalt forhåndskunnskap

Du bør ha interesse for systematisk data-analyse og anvendelse av moderne maskinlæringsteknikker på daglige driftsoppgaver i banken.

Formell bakgrunn tilsvarende bachelor i økonomi, data eller ingeniørfag kan være en fordel, men er ikke et krav ettersom nødvendig forkursmateriale vil gjøres tilgjengelig for de som ønsker det.