Open Bank Project for Developers培训

这种以讲师为主导的中国现场培训（现场或远程）面向希望学习法外和司法催收的原则和实践的金融和法律专业人士，使他们能够有效地管理和解决催收问题。

在培训结束时，参与者将能够：

• 了解法外和司法催收的优缺点。
• 运用法外和司法催收的主要方法和技术。
• 评估法外和司法收集的有效性和效率。
• 处理法外和司法收集中涉及的法律和道德问题。
• 以全面和连贯的方式整合法外和司法收集。

合规性和MLRO复习计划审查了在当今高度监管的环境中至关重要的关键风险管理问题和主题。除了针对合规官，MLRO，MLCO和其他风险管理专业人员之外，它还针对高级管理层和董事会成员，他们希望了解更多关于组织内风险控制职能的期望。该计划由来自英国的主题专家讲授。

该计划的主要学习目标是使与会者掌握足够的知识，客观地评估其组织现有风险管理控制和实践的充分性，并进行适当的改进。

听众

所有员工需要的工作知识Corporate Go vernance为他们的组织

课程形式

高度互动的组合：

• 促进讨论
• 幻灯片演示文稿
• 例子
• 演习
• 实例探究

听众

• 新任的个人贷款经理
• 支持负责收集和解释贷款经理信息的人员
• 负责管理坏账和呆账的员工，他们需要了解决策过程的工作知识，从而导致出借贷款

向个人客户提供贷款 - 消费者贷款 - 要求在评估个人贷款提案方面具有高水平的技能。

在许多情况下，它没有传统上与公司贷款相关的财务信息来源 - 资产负债表，损益账户等 - 并且更多地依赖于客户和贷方之间建立的信任和关系。

在本课程结束时，个人客户的贷款人将能够：

• 了解评估个人客户贷款主张的流程
• 利用这个过程做出合理的决定，同意贷款或以强有力的理由拒绝贷款
• 管理和控制个人贷款组合，以尽可能确保所有贷款全额偿还。 （记住没有完全没有风险的贷款......！）
• 与客户建立融洽关系（尽量！）确保他们的所有贷款都得到全额偿还

机器学习是人工智能的一个分支，其中计算机具有学习能力而无需明确编程。深度学习是机器学习的一个子领域，它使用基于学习数据表示和结构（如神经网络）的方法。 R是金融行业中流行的编程语言。它用于从核心交易程序到风险管理系统的金融应用程序。

在这个以讲师为主导的现场培训中，参与者将学习如何使用R实施深度学习模型，因为他们逐步创建深度学习股票价格预测模型。

在培训结束时，参与者将能够：

• 理解深度学习的基本概念
• 了解深度学习在金融领域的应用和用途
• 使用R为财务创建深度学习模型
• 使用R建立自己的深度学习股票价格预测模型

听众

• 开发商
• 数据科学家

课程形式

• 部分讲座，部分讨论，练习和繁重的实践练习

机器学习是人工智能的一个分支，其中计算机具有学习能力而无需明确编程。深度学习是机器学习的一个子领域，它使用基于学习数据表示和结构（如神经网络）的方法。 Python是一种高级编程语言，以其清晰的语法和代码可读性而闻名。

在这个以讲师为主导的现场培训中，参与者将学习如何使用Python实施深度学习银行模型，同时逐步创建深度学习信用风险模型。

在培训结束时，参与者将能够：

• 理解深度学习的基本概念
• 了解深度学习在银行业务中的应用和用途
• 使用Python ， Keras和TensorFlow为银行业务创建深度学习模型
• 使用Python构建自己的深度学习信用风险模型

听众

• 开发商
• 数据科学家

课程形式

• 部分讲座，部分讨论，练习和繁重的实践练习

机器学习是人工智能的一个分支，其中计算机具有学习能力而无需明确编程。深度学习是机器学习的一个子领域，它使用基于学习数据表示和结构（如神经网络）的方法。 R是金融行业中流行的编程语言。它用于从核心交易程序到风险管理系统的金融应用程序。

在这个由讲师指导的实时培训中，参与者将学习如何使用R实施深度学习银行模型，因为他们逐步创建深度学习信用风险模型。

在培训结束时，参与者将能够：

• 理解深度学习的基本概念
• 了解深度学习在银行业务中的应用和用途
• 使用R为银行业务创建深度学习模型
• 使用R建立自己的深度学习信用风险模型

听众

• 开发商
• 数据科学家

课程形式

• 部分讲座，部分讨论，练习和繁重的实践练习

机器学习是人工智能的一个分支，其中计算机有能力学习而不被明确编程。深度学习是机器学习的一个子领域，它使用基于学习数据表示和结构（如神经网络）的方法。 Python是一种高级编程语言，因其清晰的语法和代码可读性而闻名。 在这种有指导性的现场培训中，参与者将学习如何通过创建深度学习股票价格预测模型来实现使用Python进行融资的深度学习模型。 在培训结束后，参与者将能够： 理解深度学习的基本概念了解金融深度学习的应用和使用使用Python，Keras和TensorFlow为财务创建深度学习模型使用Python构建自己的深度学习股票价格预测模型 听众 开发商数据科学家 课程的格式 部分讲座，部分讨论，练习和沉重的练习

在培训期间，将使用Excel的高级功能介绍财务分析的问题。

本课程面向金融分析师，会计师和所有希望通过财务分析问题扩展技能电子表格的人员。

这种以讲师为主导的中国现场现场培训面向美国和非美国机构的金融专业人士，他们希望了解FATCA的法律，合规和执法方面，以保持对美国税务机关（IRS）的合规性。

在培训结束时，参与者将能够理解：

• FATCA对全球税务合规和财务透明度的影响。
• FATCA的尽职调查和报告要求。
• FATCA最重要的法律方面以及如何确保合规。

该入门课程将为参与者提供关键金融市场的一流和详细工作知识，其目的，功能，主要活动及其监管。它旨在成为部分复习，部分教育和部分挑战，以便所有代表将从中获得最大利益。在整个会议期间将积极鼓励反馈和讨论，这些会议旨在互动，而不仅仅是反应性和事实性。

主要职能是确保完成后，所有课程代表都能更好地应对客户及其持续需求，并将他们交易和参与的服务和市场纳入其中。

结构化产品介绍

该课程的目的是向代表们介绍投资银行业务中使用的结构性产品。完成课程后，所有代表都将具备该主题的工作知识，并能够回答

1. 什么是结构化产品？
2. 为什么发行它们？
3. 发行人和投资者如何受益？
4. 您如何构建和定价一系列衍生产品？
5. 生产结构性金融产品的风险和成本是多少？
6. 什么是嵌入式衍生品？
7. 有什么奇特的选择？
8. 什么是定价和对冲考虑因素？

这种以讲师为主导的现场培训中国（现场或远程）面向希望获得对IFRS 17标准有效的理解的管理人员。

在培训结束时，参与者将能够：

• 确定《国际财务报告准则第17号》（IFRS 17）的关键要求。
• 了解 IFRS 17 和 IFRS 4 之间的区别。
• 了解国际财务报告准则规则。
• 了解财务模型及其数字。
• 剖析和理解不同类型的保险合同和会计模型。
• 准备一个明智的过渡计划和时间表。
• 在组织内实施IFRS 17。
• 识别和衡量保险合同的履行情况。

kdb +是一个内存中，面向列的数据库，q是其内置的，基于向量的解释语言。在kdb +中，表是矢量的列，q用于对表数据执行操作，就好像它是一个列表。 kdb +和q通常用于高频交易，并受到主要金融机构的欢迎，包括高盛，摩根士丹利，美林证券，摩根大通等。 在这个有指导的实时培训中，参与者将学习如何使用kdb +和q创建时间序列数据应用程序。 在培训结束后，参与者将能够： 了解面向行的数据库和面向列的数据库之间的区别选择数据，编写脚本并创建功能来执行高级分析分析时间序列数据，如股票和商品交易所数据使用kdb +的内存功能可以高速存储，分析，处理和检索大型数据集考虑函数和数据的级别高于非向量语言中常见的标准函数（参数）方法探索其他对时间敏感的kdb +应用程序，包括能源交易，电信，传感器数据，日志数据以及机器和网络使用情况监控 听众 开发商数据库工程师数据科学家数据分析师 课程的格式 部分讲座，部分讨论，练习和沉重的练习

Audiance

所有需要具备合规性和风险Management知识的员工

课程形式

结合：

• 促进讨论
• 幻灯片演示文稿
• 实例探究
• 例子

课程目标

在本课程结束时，代表们将能够：

• 了解合规性的主要方面以及为管理与之相关的风险所做的国家和国际努力
• 定义公司及其员工可能建立合规风险Management框架的方式
• 详细说明合规官和洗钱报告官的角色以及如何将它们整合到业务中
• 了解Financial Crime其他“热点” - 特别是与国际Business ，离岸中心和高净值客户有关的热点