www.aifirm.it > Formazione > Corsi attivi > Intelligenza Artificiale e Machine Learning: Esempi di utilizzo nel Financial e Credit Risk Management

Intelligenza Artificiale e Machine Learning: Esempi di utilizzo nel Financial e Credit Risk Management


3 Ottobre 2026

(Corso completo: propedeutico – core )

Il Corso fa parte del percorso formativo “Artificial Intelligence in Risk Management” e si pone l’obiettivo di fornire i concetti fondamentali e le competenze tecniche necessarie per l’implementazione di algoritmi di Machine Learning, fornendo modelli applicativi ed esempi in ambito finanziario e creditizio. Non sono richiesti investimenti in software specifico e tutto il materiale didattico, comprensivo dei codici, verrà fornito a lezione. Non risultano necessarie propedeuticità particolari, in quanto queste sono fornite nell’ambito dei moduli preparatori dedicati rispettivamente ai fondamenti di programmazione Python e ai concetti statistici di base, finalizzati alla comprensione degli algoritmi trattati. Il corso completo ha una durata complessiva di 36 ore ed è strutturato nei seguenti moduli:


Moduli propedeutici:

  • Moduli A: Programmazione Python – Sabato 3 e 10 Ottobre 2026 (ore 9:00-13:00)
  • Modulo B: AI e Machine Learning – Sabato 17 Ottobre 2026 (ore 9:00-13:00)
  • Modulo C: Coding Training Session – Sabato 24 Ottobre 2026 (ore 9:00-13:00)

Moduli core:

  • Moduli 1: Unsupervised Machine Learning – Sabato 7 Novembre 2026 (ore 9:00-13:00)
  • Modulo 2: Supervised Machine Learning – Sabato 14 Novembre 2026 (ore 9:00-13:00)
  • Modulo 3: Artificial Neural Network – Sabato 21 Novembre 2026 (ore 9:00-13:00)
  • Modulo 4: Deep Learning – Sabato 28 Novembre 2026 (ore 9:00-13:00)
  • Modulo 5: Forecasting – Sabato 12 Dicembre 2026 (ore 9:00-13:00)

La locandina del corso con le modalità di iscrizione è al seguente indirizzo

Per iscriversi compilare il form ai seguenti indirizzi:

Corso completo:

Corso core:

Il giorno 15 Settembre 2026 alle ore 17,30 si terrà la open lesson gratuita: per iscriversi compilare il form al seguente url: