Maskinlæring for bank og finans - Kurs - EVU
Maskinlæring for bank og finans
På dette kurset vil du lære å forstå og implementere forskjellige maskinlæringsmetoder, å velge passende metode for et gitt problem og å forstå muligheter, begrensninger og utfordringer ved bruk av kunstig intelligens. Foto: Mostphotos
Start:
24.08.2026
Søknadsfrist:
01.06.2026
Undervisningsform:
Studium med fysiske og digitale samlinger
Sted for samlinger:
Trondheim
Pris:
0 Kr
Studiepoeng:
7,5
Emnekode:
IØ6577
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.
Ansatte i bank- og finansnæringen med oppgaver knyttet til dataanalyse, antihvitvask, risikostyring, investering og kredittgiving - både på leder- og medarbeidernivå.
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”)
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.
Her kan du finne ytterligere informasjon om emnet
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 videdreutdanningsnivå. Gjesteforelesere fra næringen vil trekkes inn i et visst omfang.
Generell studiekompetanse eller tilsvarende realkompetanse.
Kvalifiserte søkere rangeres etter "først til mølla"-prinsippet (dato for søknad).
Emnet er forbeholdt personer som jobber i bank- og finansnæringen. Det er dessverre ikke mulig for ordinære fulltidsstudenter å ta emnet.
Anbefalte forkunnskaper
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.
Tid og sted for undervisning
Undervisning høsten 2026:
Fysiske samlinger i Trondheim:
- 7. september kl. 9-15
- 9. november kl. 9-16
- 9. desember kl. 9-16 (Hybrid samling)
Digitale samlinger:
- 24. august kl. 18-20
- 31. august kl. 12-14
- 14. september kl. 18-20
- 21. september kl. 18-20
- 28. september kl. 12-14
- 5. oktober kl. 19-20
- 12. oktober kl. 18-20
- 19. oktober kl. 18-20
- 26. oktober kl. 12-14
- 2. november kl. 18-20
Eksamensbeskrivelse
Deltagerne vil evalueres (bestått/ikke-bestått) på bakgrunn av en gruppevis prosjektoppgave
med problemstilling fra egen arbeidshverdag. Prosjektoppgavene presenteres på siste samling 9. desember. Innleveringsfrist: 25. november.
Pensumlitteratur/kursmateriell
- Kurset vil bygge på boka An Introduction to Statistical Learning av Gareth James m.fl. Denne finnes i trykt utgave og er dessuten gratis tilgjengelig på nett. Videre finnes det to ulike utgaver, med kode for henholdsvis R og Python.
- Machine Learning in Business av John Hull er en lett tilgjengelig introduksjon til temaet.
Forelesningsmatriell vil være på engelsk, mens forelesningene gis på norsk.
En "help-desk" bemannet av masterstudenter ved NTNU, vil kunne gi hjelp til programmeringstekniske spørsmål etc.
Pris: 0 Kr
Emnet har ikke studieavgift. Pensumlitteratur må den enkelte skaffe selv. Ev. utgifter til reise og opphold for fysiske samlinger må også dekkes av den enkelte.
Dette emnet er et bransjekurs utviklet i samarbeid med FinansNorge, Finansforbundet, SpareBank1 SMN og SpareBank1 Østlandet.
Telefon: 73 59 52 60
E-post: videre@ntnu.no