소득공제
PDF
eBook
금융 AI의 이해
신용 평가, 사기 탐지, 퀀트 투자, 생성형 AI를 활용한 실전 금융 AI 가이드
스마트한 PDF 필기 기능을 사용해 보세요!
- PDF 안내
-
이 상품은 구매 후 지원 기기에서 예스24 eBook앱 설치 후 바로 이용 가능한 상품입니다.
카드뉴스로 보는 책
상세 이미지
소개
목차
|
추천의 글 ix머리말 xi이 책에 대하여 xiiiCHAPTER 1 금융과 핀테크에서의 AI 11.1 금융이란 무엇인가? 31.2 금융을 다루는 기관들 4__1.2.1 은행(제1금융기관) 4__1.2.2 비은행예금취급기관(제2금융기관) 4__1.2.3 보험회사 5__1.2.4 금융투자업자 5__1.2.5 기타금융기관(카드사 포함) 5__1.2.6 공적금융기관 5__1.2.7 핀테크 61.3 AI와 그 주변 용어들 61.4 금융과 AI 8__1.4.1 국내 금융 분야 AI 시장 규모 9__1.4.2 금융 산업에 대한 AI의 영향력이 큰 이유 10__1.4.3 금융 AI 트렌드 13__1.4.4 금융 서비스에서 AI의 핵심 가치 15__1.4.5 금융 서비스 분야에서 AI의 도입 장벽 161.5 금융 AI의 주요 활용 분야 18__1.5.1 신용 평가에서 AI와 대체 데이터의 활용 19__1.5.2 사기 탐지 및 방지: 디지털 시대의 필수 요소 21__1.5.3 고객 서비스 26__1.5.4 투자와 트레이딩 28__1.5.5 준법 감시와 규제 29__1.5.6 프로세스 자동화 311.6 금융 AI 핵심 문제 정의 331.7 금융 AI 전망과 도전적 과제들 35__1.7.1 양질의 데이터 확보 36__1.7.2 규제 및 보안 이슈 37__1.7.3 기존 레거시 시스템의 한계 37__1.7.4 윤리적 고려의 중요성 381.8 마무리 39CHAPTER 2 금융 투자 영역에서의 AI 412.1 대표적인 금융 투자 방식 43__2.1.1 퀀트의 기원과 AI 시대 44__2.1.2 성장하는 알고리즘 트레이딩 시장 462.2 금융 투자 영역에서 AI가 각광받는 이유 462.3 AI를 접목한 투자의 장점과 단점 472.4 금융 투자 데이터 유형 492.5 데이터 소스 선택 512.6 전통적인 퀀트 투자 vs. AI 기반의 계량 투자 52__2.6.1 전통적인 퀀트 투자 전략 54__2.6.2 AI 기반 투자 전략 552.7 AI를 금융 투자에 활용할 때 주의해야 할 점 562.8 실제 투자 영역에서의 AI 응용 사례 572.9 마무리 60실습 1 금융 시계열 및 파이썬을 활용한 전통 퀀트 방법 구현 60실습 2 머신러닝을 이용한 투자 전략 75실습 3 딥러닝을 이용한 투자 전략 98CHAPTER 3 AI 기반의 신용 리스크 모델링 1133.1 신용 리스크 관리 개요 115__3.1.1 신용 리스크 관리의 중요성 116__3.1.2 신용 리스크 관리의 필수성 116__3.1.3 신용 리스크 관리의 실천 방안 1163.2 신용 평가 모델의 활용 117__3.2.1 신용 평가 모델의 다양한 활용 사례 117__3.2.2 여러 나라의 신용 평가 시스템 118__3.2.3 핀테크에서의 신용 평가 모델 활용 1193.3 신용 리스크 관리 체계 123__3.3.1 데이터 체계 125__3.3.2 전략 체계 126__3.3.3 모델 체계 1283.4 AI 적용 관점에서의 신용 리스크 관리 영역 특징 1293.5 신용 평가 모델 평가 지표 130__3.5.1 K-S 통계량 130__3.5.2 PSI 131__3.5.3 정밀도와 재현율 132__3.5.4 AUC-ROC 1343.6 신용 평가 모델 개발을 위한 사전 지식 135__3.6.1 연체 기간 136__3.6.2 관찰 시점 137__3.6.3 관찰 기간 137__3.6.4 성능 기간 137__3.6.5 종속변수 138__3.6.6 성능 기간 설정과 빈티지 분석 139__3.6.7 데이터 분할 전략 1413.7 머신러닝 기반 신용 평가 모델 개발 142__3.7.1 데이터 준비 143__3.7.2 데이터 가공(피처 엔지니어링) 147__3.7.3 모델링 154__3.7.4 스코어링 155__3.7.5 모델의 해석력 158__3.7.6 모델 배포 159__3.7.7 모니터링 1613.8 마무리 161실습 1 밑바닥부터 시작하는 머신러닝 기반 신용 평가 모델 개발 162실습 2 OptBinning 라이브러리를 활용한 신용 평가 모델 개발 184CHAPTER 4 AI를 활용한 금융 사기 거래 탐지 및 예방 2014.1 금융 사기 거래 탐지의 중요성과 AI 2034.2 이상 탐지와 사기 거래 탐지 2054.3 금융 사기 유형 2064.4 금융 사기의 특성 2074.5 사기 거래 탐지와 진화하는 AI 기술 2094.6 금융 사기 거래 탐지 및 예방 210__4.6.1 사기 거래 탐지 및 예방 시장 규모 211__4.6.2 금융 사기 예방 방법 2124.7 사기 거래 탐지 및 예방 리스크 관리 전략 개발 프로세스 215__4.7.1 리스크 관리 전략 개발 프로세스 215__4.7.2 리스크 분석 216__4.7.3 전략 설계 및 프로세스 디자인 217__4.7.4 전략 효과 평가 및 진단 조율 217__4.7.5 지속적인 개선과 최적화 2174.8 마무리 218실습 1 사기 거래 탐지를 위한 가장 기본적인 방법: 규칙 기반 탐지 219실습 2 머신러닝 기반의 신용카드 사기 거래 탐지 모델 개발 223실습 3 딥러닝 기반의 신용카드 사기 거래 탐지 모델 개발 248실습 4 그래프 데이터를 활용한 금융 사기 거래 탐지 및 예방 259CHAPTER 5 금융 AI 프로덕트 관리 2775.1 데이터 파이프라인 구축 2805.2 데이터 파이프라인 예시 2825.3 SQL과 에어플로를 활용한 배치 처리 데이터 파이프라인 예시 2845.4 모델 패키징 및 배포 289__5.4.1 모델 패키징하기 289__5.4.2 배포하기 2905.5 프로덕션 환경에서의 모델 테스트 방법 2915.6 AI 프로덕트 성능 모니터링 292__5.6.1 공변량 시프트 293__5.6.2 개념 드리프트 294__5.6.3 모델 성능 저하를 불러오는 변화 유형 294__5.6.4 데이터 분포 시프트를 감지하는 방법 2945.7 AI 프로덕트의 모델 재학습 주기 2965.8 AI 프로덕트 성과 및 가치 측정 297__5.8.1 비즈니스 관점 297__5.8.2 시스템적 관점 298__5.8.3 체계적이고 정량적인 지표를 제공하자 2995.9 마무리 300실습 1 Evidently AI를 활용한 모니터링 301CHAPTER 6 금융에서의 생성형 AI 활용 3096.1 생성형 AI의 핵심 원리와 사용 방안 312__6.1.1 데이터 수집 및 변환 315__6.1.2 임베딩 315__6.1.3 질의와 문서 임베딩 비교 316__6.1.4 프롬프트 보강 3166.2 LLM 애플리케이션을 만들기 위한 도구들 317__6.2.1 RAG 317__6.2.2 공통 도구 318__6.2.3 미세 조정 3196.3 금융에서의 생성형 AI 활용 방안 3196.4 생성형 AI에 대한 오해와 진실 323__6.4.1 생성형 AI 기술은 새롭다 323__6.4.2 기반 모델이 기존의 머신러닝을 완전히 대체할 것이다 323__6.4.3 환각 현상 때문에 생성형 AI 응용이 불가능하다 324__6.4.4 생성형 AI가 모든 문제를 해결할 것이다 3246.5 마무리 325찾아보기 327
|
저자 소개1
《Financial AI in Practice》(Manning, 2026 출간 예정), 《금융 AI의 이해》(제이펍, 2024), 《AI 소사이어티》(미래의창, 2022)(2022년 세종도서 교양부문 선정) 등 금융과 AI를 주제로 한 다수의 저서를 집필했다. 베이징 대학을 졸업한 후 캘리포니아 대학교 샌디에이고(UCSD)에서 국제경제 석사 학위를 받았으며, 현재 이커머스 기업의 핀테크 조직에서 수석 데이터 과학자 겸 머신러닝 알고리즘 엔지니어로 근무하고 있다. 아주대학교 인공지능대학원 겸임교수이자 세계 최대 데이터 과학 커뮤니티 캐글(Kaggle)의 그랜드 마스터로서 실무와 연
《Financial AI in Practice》(Manning, 2026 출간 예정), 《금융 AI의 이해》(제이펍, 2024), 《AI 소사이어티》(미래의창, 2022)(2022년 세종도서 교양부문 선정) 등 금융과 AI를 주제로 한 다수의 저서를 집필했다. 베이징 대학을 졸업한 후 캘리포니아 대학교 샌디에이고(UCSD)에서 국제경제 석사 학위를 받았으며, 현재 이커머스 기업의 핀테크 조직에서 수석 데이터 과학자 겸 머신러닝 알고리즘 엔지니어로 근무하고 있다. 아주대학교 인공지능대학원 겸임교수이자 세계 최대 데이터 과학 커뮤니티 캐글(Kaggle)의 그랜드 마스터로서 실무와 연구를 잇는 활동을 이어가고 있다.
김태헌의 다른 상품
품목정보
- 발행일
- 2024년 09월 11일
- 지원기기
- 크레마, PC(윈도우 - 4K 모니터 미지원), 아이폰, 아이패드, 안드로이드폰, 안드로이드패드, 전자책단말기(저사양 기기 사용 불가), PC(Mac)
- 파일/용량
- PDF(DRM) | 11.57MB ?
- 글자 수/ 페이지 수
- 약 355쪽 ?
- ISBN13
- 9791193926598
출판사 리뷰
|
다양한 사례와 데이터로 배우는 금융 AI의 모든 것금융 분야는 수많은 데이터와 복잡한 거래 패턴으로 이루어져 있다. 최근 몇 년 동안 AI가 급속도로 발전하면서 금융 서비스 방식을 혁신한 것은 물론 사기 탐지, 리스크 관리 등 금융 분야의 복잡함을 풀어내는 결정적인 역할을 하고 있다. AI 기술을 효과적으로 활용하려면 금융 도메인 지식과 AI 기술에 모두 능숙해야 한다. 단순히 기술적인 지식이 아닌 실제 금융 현장의 문제점과 필요성을 파악하고, 이를 AI 기술로 해결하는 능력이 필요하다. 총 6장으로 구성된 이 책은 다양한 데이터를 통해 금융계에서의 AI 활용법을 알아보고 전략을 제시하며, 금융 도메인 전문성을 갖춘 데이터 과학자가 되기 위한 핵심적인 내용을 체계적으로 담았다. 1장에서는 금융 분야에서의 AI 중요성과 그 영향력을 조명하고, AI 기술이 금융 서비스와 거래 방식에 미치는 긍정적인 변화와 가능성을 살펴본다. 2장에서는 금융 투자 영역에서의 AI 활용법과 다양한 투자 전략에서 AI가 어떻게 핵심 역할을 하는지를 다룬 후 파이썬 주요 라이브러리로 머신러닝/딥러닝을 활용한 퀀트 투자 전략을 알아본다. 3장에서는 머신러닝 기반 신용 평가의 중요성과 함께 최신 신용 평가 방법론을 자세히 알아본 후 Optbinning과 TOAD 라이브러리를 활용한 신용 평가 모델 개발 방법을 실습해본다. 4장에서는 AI 기반의 사기 탐지 방법론과 그 효과에 대해 상세하게 설명한다. 지도학습/비지도학습을 활용한 신용카드 사기 탐지 모델 사례를 살펴본 후 파이썬 라이브러리인 NetworkX로 그래프 데이터를 직접 분석한다. 5장에서는 AI 프로덕트의 전반적인 관리 방법을 탐구한다. 데이터/머신러닝 파이프라인의 구축부터 배포, 모니터링, 성과 측정 방법론까지, AI 프로덕트의 전 생애 주기를 관리하는 방법을 소개하고, Evidently 라이브러리를 활용해 데이터의 품질과 변화를 모니터링하는 방법을 학습한다. 6장에서는 생성형 인공지능의 핵심 원리와 금융 분야에서의 실질적 활용 방안을 탐구하며, LLM과 같은 최신 AI 기술을 금융 서비스에 통합하는 방법에 대해 자세히 살펴본다.금융과 AI가 만나는 지점에서 혁신적인 가능성을 발견할 수 있다. 이 책을 통해 금융 AI의 전략적 방향성과 미래 전망은 물론 금융 AI의 깊은 세계에 한 발짝 더 다가갈 수 있을 것이다. 주요 내용ㆍ 금융계에서의 AI 위치와 중요성ㆍ 파이썬 라이브러리와 머신러닝, 딥러닝을 활용한 투자 전략ㆍ 신용 리스크의 개념과 AI를 통한 신용 리스크 모델링ㆍ AI를 활용한 금융 사기 탐지 및 방지하는 방법ㆍ AI 프로덕트 관리 전략과 방법론ㆍ RAG, 파인튜닝 등 최신 AI 기술을 금융 서비스에 통합하는 방법
|
