undefined cover
undefined cover
Data Science Dans Le Monde De La finance : Évolution, IA et Rôle cover
Data Science Dans Le Monde De La finance : Évolution, IA et Rôle cover
Intelligence Artificielle et DATA - Le Podcast de Natacha Njongwa Yepnga

Data Science Dans Le Monde De La finance : Évolution, IA et Rôle

Data Science Dans Le Monde De La finance : Évolution, IA et Rôle

51min |16/12/2024
Play
undefined cover
undefined cover
Data Science Dans Le Monde De La finance : Évolution, IA et Rôle cover
Data Science Dans Le Monde De La finance : Évolution, IA et Rôle cover
Intelligence Artificielle et DATA - Le Podcast de Natacha Njongwa Yepnga

Data Science Dans Le Monde De La finance : Évolution, IA et Rôle

Data Science Dans Le Monde De La finance : Évolution, IA et Rôle

51min |16/12/2024
Play

Description


Les Enjeux et Défis de la Data Science en Banque avec Mario GBOKEDE


Dans cet épisode, découvrez Mario, un expert en modélisation quantitative et Head of IRB Modeling et R&D au sein du groupe Société Générale. Il partage ses connaissances sur le rôle des analystes quantitatifs dans la gestion du risque de crédit, les techniques de machine learning utilisées en banque, et l'impact de la réglementation sur ces modèles. Nous verrons l'application de la data science pour mieux gérer les risques bancaires, l'utilisation et les limites des modèles avancés de machine learning, et l'intégration de l'IA générative dans le secteur bancaire.



Pour en savoir plus sur moi et plonger dans chaque épisode, retrouvez-moi sur mes réseaux sociaux :


Hébergé par Ausha. Visitez ausha.co/politique-de-confidentialite pour plus d'informations.

Chapters

  • Introduction

    00:00

  • Présentation de Mario GBOKEDE

    02:25

  • Le rôle des analystes quantitatifs en banque

    04:28

  • Développement de modèles de machine learning dans le secteur bancaire

    08:51

  • Contraintes réglementaires dans le développement des modèles

    17:29

  • L’avenir du machine learning en banque

    20:38

  • Explorer le potentiel du machine learning

    27:43

  • Compétences nécessaires pour les analystes quantitatifs

    29:16

  • Risques liés à l’IA générative

    30:00

  • Compétences clés pour les managers

    39:55

  • Conseils pour les futurs managers

    42:15

  • Conclusion

    45:34

Description


Les Enjeux et Défis de la Data Science en Banque avec Mario GBOKEDE


Dans cet épisode, découvrez Mario, un expert en modélisation quantitative et Head of IRB Modeling et R&D au sein du groupe Société Générale. Il partage ses connaissances sur le rôle des analystes quantitatifs dans la gestion du risque de crédit, les techniques de machine learning utilisées en banque, et l'impact de la réglementation sur ces modèles. Nous verrons l'application de la data science pour mieux gérer les risques bancaires, l'utilisation et les limites des modèles avancés de machine learning, et l'intégration de l'IA générative dans le secteur bancaire.



Pour en savoir plus sur moi et plonger dans chaque épisode, retrouvez-moi sur mes réseaux sociaux :


Hébergé par Ausha. Visitez ausha.co/politique-de-confidentialite pour plus d'informations.

Chapters

  • Introduction

    00:00

  • Présentation de Mario GBOKEDE

    02:25

  • Le rôle des analystes quantitatifs en banque

    04:28

  • Développement de modèles de machine learning dans le secteur bancaire

    08:51

  • Contraintes réglementaires dans le développement des modèles

    17:29

  • L’avenir du machine learning en banque

    20:38

  • Explorer le potentiel du machine learning

    27:43

  • Compétences nécessaires pour les analystes quantitatifs

    29:16

  • Risques liés à l’IA générative

    30:00

  • Compétences clés pour les managers

    39:55

  • Conseils pour les futurs managers

    42:15

  • Conclusion

    45:34

Share

Embed

You may also like

Description


Les Enjeux et Défis de la Data Science en Banque avec Mario GBOKEDE


Dans cet épisode, découvrez Mario, un expert en modélisation quantitative et Head of IRB Modeling et R&D au sein du groupe Société Générale. Il partage ses connaissances sur le rôle des analystes quantitatifs dans la gestion du risque de crédit, les techniques de machine learning utilisées en banque, et l'impact de la réglementation sur ces modèles. Nous verrons l'application de la data science pour mieux gérer les risques bancaires, l'utilisation et les limites des modèles avancés de machine learning, et l'intégration de l'IA générative dans le secteur bancaire.



Pour en savoir plus sur moi et plonger dans chaque épisode, retrouvez-moi sur mes réseaux sociaux :


Hébergé par Ausha. Visitez ausha.co/politique-de-confidentialite pour plus d'informations.

Chapters

  • Introduction

    00:00

  • Présentation de Mario GBOKEDE

    02:25

  • Le rôle des analystes quantitatifs en banque

    04:28

  • Développement de modèles de machine learning dans le secteur bancaire

    08:51

  • Contraintes réglementaires dans le développement des modèles

    17:29

  • L’avenir du machine learning en banque

    20:38

  • Explorer le potentiel du machine learning

    27:43

  • Compétences nécessaires pour les analystes quantitatifs

    29:16

  • Risques liés à l’IA générative

    30:00

  • Compétences clés pour les managers

    39:55

  • Conseils pour les futurs managers

    42:15

  • Conclusion

    45:34

Description


Les Enjeux et Défis de la Data Science en Banque avec Mario GBOKEDE


Dans cet épisode, découvrez Mario, un expert en modélisation quantitative et Head of IRB Modeling et R&D au sein du groupe Société Générale. Il partage ses connaissances sur le rôle des analystes quantitatifs dans la gestion du risque de crédit, les techniques de machine learning utilisées en banque, et l'impact de la réglementation sur ces modèles. Nous verrons l'application de la data science pour mieux gérer les risques bancaires, l'utilisation et les limites des modèles avancés de machine learning, et l'intégration de l'IA générative dans le secteur bancaire.



Pour en savoir plus sur moi et plonger dans chaque épisode, retrouvez-moi sur mes réseaux sociaux :


Hébergé par Ausha. Visitez ausha.co/politique-de-confidentialite pour plus d'informations.

Chapters

  • Introduction

    00:00

  • Présentation de Mario GBOKEDE

    02:25

  • Le rôle des analystes quantitatifs en banque

    04:28

  • Développement de modèles de machine learning dans le secteur bancaire

    08:51

  • Contraintes réglementaires dans le développement des modèles

    17:29

  • L’avenir du machine learning en banque

    20:38

  • Explorer le potentiel du machine learning

    27:43

  • Compétences nécessaires pour les analystes quantitatifs

    29:16

  • Risques liés à l’IA générative

    30:00

  • Compétences clés pour les managers

    39:55

  • Conseils pour les futurs managers

    42:15

  • Conclusion

    45:34

Share

Embed

You may also like