Big Data Analytics for Financial Transformation Course

Aralin 1 • Mga Pangunahing Tungkulin sa isang Data-Driven Finance Team

Tinutukoy ang mga responsibilidad ng mga data engineer, analyst, scientist, at steward sa loob ng mga organisasyong pinansyal. Tumutulong sa mga mag-aaral na iposisyon ang kanilang sariling tungkulin sa ecosystem.

Aralin 2 • Pagtukoy sa Mga Katangian ng Big Data

Sumasaklaw sa limang V—volume, velocity, variety, veracity, value—na inilapat sa mga pinansyal na dataset. Pinagbabatayan ang lahat ng kasunod na teknikal at estratehikong nilalaman.

Aralin 3 • Mga Tagapagmaneho ng Negosyo para sa Pagbabago ng Data

Tinutukoy ang mga competitive, regulatory, at operational na panggigipit na nagtutulak sa mga pinansyal na kumpanya patungo sa mga modelong batay sa data. Binabalangkas ang estratehikong katwiran para sa kurso.

Aralin 1 • Mga Balangkas ng Distributed Computing

Ipinakikilala ang mga balangkas ng batch at stream processing na ginagamit upang pangasiwaan ang malalaking pinansyal na dataset. Inihahanda ang mga mag-aaral para sa hands-on na pagbuo ng pipeline sa mga susunod na kabanata.

Aralin 2 • Mga Cloud Platform para sa Pinansyal na Data

Sinusuri ang mga pangunahing modelo ng serbisyo sa cloud at ang kanilang mga pattern ng pag-aampon sa sektor ng pananalapi. Tinatalakay ang mga konsiderasyon sa pagsunod, latency, at gastos na natatangi sa pananalapi.

Aralin 3 • Relational kumpara sa Non-Relational na Mga Database

Inihahambing ang mga paradigma ng SQL at NoSQL gamit ang mga halimbawa ng pinansyal na data. Nagtatatag ng mga pamantayan para sa pagpili ng teknolohiya ng imbakan batay sa istruktura ng data at mga pangangailangan sa query.

Aralin 4 • Disenyo at Orkestrasyon ng Data Pipeline

Sumasaklaw sa end-to-end na pagbuo ng pipeline mula sa ingestion hanggang sa serving layer. Ini-uugnay ang mga pagpipilian sa imprastraktura sa maaasahan, at na-a-audit na mga daloy ng data na kinakailangan sa pananalapi.

Aralin 1 • Mga Balangkas ng Regulatory Data Governance

Imimapa ang mga patakaran sa pamamahala sa mga kinakailangan sa regulasyong pinansyal tungkol sa pagpapanatili ng data, lineage, at pag-uulat. Binibigyang-daan ang mga mag-aaral na bumuo ng mga sumusunod na istruktura ng pamamahala.

Aralin 2 • Pamamahala ng Metadata at Mga Data Catalog

Ipinapaliwanag ang metadata ng negosyo at teknikal at ang kanilang tungkulin sa pagiging madaling matuklasan ng data. Ikinokonekta ang pagpapatupad ng catalog sa mas mabilis, mas mapagkakatiwalaang paghahatid ng analytics.

Aralin 3 • Mga Dimensyon at Sukatan ng Kalidad ng Data

Tinutukoy ang pagiging kumpleto, katumpakan, pagkakapare-pareho, pagiging napapanahon, at pagiging natatangi bilang masusukat na mga dimensyon ng kalidad. Itinatatag ang baseline ng pagsukat para sa mga programa ng pamamahala.

Aralin 4 • Mga Pamamaraan ng Data Profiling at Paglilinis

Inilalapat ang mga pamamaraang istatistikal at batay sa panuntunan upang matukoy at maitama ang mga depekto ng data sa mga pinansyal na dataset. Direktang sumusuporta sa pagiging maaasahan ng modelo at katumpakan ng pag-uulat.

Aralin 1 • Pagbawas ng Dimensyonalidad at Eksplorasyon ng Tampok

Gumagamit ng PCA at clustering upang bawasan ang pagiging kumplikado sa mga high-dimensional na pinansyal na dataset. Tinutulay ang EDA sa feature engineering ng machine learning sa mga susunod na kabanata.

Aralin 2 • Deskriptibong Istatistika para sa Pinansyal na Data

Inilalapat ang mga sukat ng central tendency, dispersion, at hugis sa pinansyal na time series at cross-sectional na data. Binubuo ang intuwisyon sa istatistika na kinakailangan para sa pagbuo ng modelo.

Aralin 3 • Data Visualization para sa Pinansyal na Pananaw

Pumipili at bumubuo ng mga chart na angkop para sa mga uri ng pinansyal na data at mga audience. Ikinokonekta ang mga prinsipyo ng biswal na disenyo sa epektibong komunikasyon sa stakeholder.

Aralin 4 • Mga Pamamaraan ng Time Series Exploration

Tinutukoy ang mga trend, seasonality, at structural break sa pinansyal na time series. Inihahanda ang mga mag-aaral para sa pagtataya at pagtukoy ng anomalya sa mga susunod na kabanata.

Aralin 1 • Pagtataya ng Market at Prediksyon ng Return

Inilalapat ang time series at ensemble na mga modelo upang mahulaan ang mga return at volatility ng asset. Kritikal na sinusuri ang mga panganib ng overfitting na partikular sa data ng pamilihang pinansyal.

Aralin 2 • Pagmomodelo ng Credit Risk

Bumubuo ng mga modelo ng probability-of-default at loss-given-default gamit ang data ng nanghihiram. Ikinokonekta ang mga output ng modelo sa mga daloy ng trabaho ng paglalaan ng kapital at pagdedesisyon sa pagpapautang.

Aralin 3 • Pagtukoy ng Fraud gamit ang Machine Learning

Inilalapat ang pagtukoy ng anomalya at klasipikasyon upang matukoy ang mga mapanlinlang na transaksyon. Tinatalakay ang mga kinakailangan sa real-time na pag-iskor at mga hadlang sa pag-deploy sa operasyon.

Aralin 4 • Ebalwasyon at Pagpili ng Modelo

Inilalapat ang mga sukatan sa konteksto ng pananalapi—AUC, Gini, Sharpe ratio—upang ihambing at piliin ang mga modelo. Tinitiyak na pipili ang mga mag-aaral ng mga modelong naaayon sa mga layunin ng negosyo, hindi lamang sa mga iskor sa istatistika.

Aralin 1 • Real-Time na Pagsubaybay sa Panganib at Pagsunod

Nagpapatupad ng mga streaming rules engine para sa mga paglabag sa limit, pagsusuri ng sanctions, at mga alerto sa AML. Direktang inilalapat ang stream processing sa mga senaryo ng pagsunod sa pananalapi na may mataas na halaga.

Aralin 2 • Mga Low-Latency Trading Data System

Tinatalakay ang mga kinakailangan sa data sa antas ng microsecond para sa mga konteksto ng algorithmic at high-frequency trading. Sumasaklaw sa hardware, network, at software na mga pag-optimize para sa napakababang latency.

Aralin 3 • Mga Event Streaming Platform sa Pananalapi

Sinusuri ang mga sistema ng high-throughput na pagmemensahe na ginagamit para sa market data at mga event ng transaksyon. Ikinokonekta ang mga kakayahan ng platform sa mga kinakailangan ng use case sa pananalapi.

Aralin 4 • Pag-windowing at Pag-aggregate sa Mga Stream

Inilalapat ang tumbling, sliding, at session windows upang kalkulahin ang mga real-time na pinansyal na sukatan. Binibigyang-daan ang mga mag-aaral na bumuo ng mga rolling indicator ng panganib at pagganap.

Aralin 1 • Graph Analytics para sa Mga Pinansyal na Network

Imomodelo ang mga network ng counterparty, pagmamay-ari, at transaksyon gamit ang mga algorithm ng graph. Tinutukoy ang mga konsentrasyon ng sistematikong panganib at mga fraud ring na hindi nakikita sa tabular na pagsusuri.

Aralin 2 • Reinforcement Learning para sa Pamamahala ng Portfolio

Inilalapat ang pag-aaral na batay sa gantimpala sa dinamikong paglalaan ng asset at pag-optimize ng pagpapatupad. Ipinakikilala sa mga mag-aaral ang mga balangkas ng ahente-kapaligiran sa pagdedesisyon sa pananalapi.

Aralin 3 • Explainable AI para sa Mga Pinansyal na Desisyon

Inilalapat ang SHAP, LIME, at attention visualization upang bigyang-kahulugan ang mga output ng kumplikadong modelo. Tinatalakay ang mga inaasahan ng regulasyon para sa transparency ng modelo sa mga desisyon sa credit at panganib.

Aralin 4 • Deep Learning para sa Pinansyal na Signal

Inilalapat ang mga arkitektura ng LSTM, CNN, at transformer sa sequential at tabular na pinansyal na data. Pinapalawak ang toolkit ng pagmomodelo ng mga mag-aaral lampas sa mga klasikal na pamamaraan ng machine learning.

Aralin 1 • Pagsukat ng ROI ng Mga Inisyatiba sa Analytics

Tinutukoy ang mga pinansyal at operational KPI upang mabilang ang halaga na naihahatid ng mga programa ng analytics. Binibigyang-daan ang mga mag-aaral na bumuo ng mga business case at mapanatili ang pag-sponsor ng ehekutibo.

Aralin 2 • Pag-scale at Pagpapanatili ng Pagbabago

Tinatalakay ang mga mekanismo ng pamamahala, platform, at organisasyon para sa pag-scale ng analytics lampas sa mga pilot project. Tinitiyak na ang pagbabago ay naghahatid ng matibay na competitive advantage.

Aralin 3 • Disenyo ng Modelo ng Data-Driven Operating

Muling idinisenyo ang mga daloy ng trabaho ng function ng pananalapi upang i-embed ang analytics sa mga proseso ng pagdedesisyon. Tinatalakay ang mga pagbabagong istruktural, sa proseso, at kultural na kinakailangan para sa mapanatiling pagbabago.

Aralin 4 • Pagtatasa ng Kapanahunan ng Analytics

Sinusuri ang kasalukuyang mga kakayahan sa data at analytics ng isang organisasyon laban sa isang modelo ng kapanahunan. Nagbibigay ng diagnostic baseline para sa pagbuo ng roadmap ng pagbabago.