Tekstanalyse van Financiële Documenten met NLP
Cloud machine learning verandert hoe financiële teams beslissingen nemen - dit programma legt de technische en praktische basis.
Programma-inhoud
Programma
- Week 1: Inleiding NLP en financiële teksttypes
- Week 2: Tekst voorverwerken: tokenisatie, stopwoorden, normalisatie
- Week 3: Sentimentanalyse met Google Cloud NLP API
- Week 4: Documentclassificatie met Hugging Face
- Week 5: Fine-tuning op financieel jargon
- Week 6: Informatie-extractie uit jaarverslagen
- Week 7: Beperkingen en risicos van NLP in finance
- Week 8: Eindopdracht: sentimentpipeline bouwen en presenteren
Deelnemers hebben tijdens het programma toegang tot een gedeelde cloudomgeving met voorgeladen datasets.
Programmacoördinator
Uitgebreide beschrijving
Financiële professionals verwerken dagelijks grote hoeveelheden tekst: jaarverslagen, analistenrapporten, contracten, nieuwsberichten. NLP-modellen kunnen dat werk deels automatiseren en patronen blootleggen die handmatig moeilijk te vinden zijn.
Toepassingen in de praktijk
Denk aan het automatisch extraheren van risicofactoren uit jaarverslagen, het classificeren van klachten in klantenservicedata of het detecteren van sentimentverschuivingen in persberichten rondom kwartaalcijfers. Dit programma behandelt elk van die toepassingen met een bijbehorende labsessie.
Technische basis
We werken met Hugging Face Transformers en Google Cloud Natural Language API. Basiskennis van Python is vereist. Je hoeft geen eigen modellen te trainen: we gebruiken voorgetrainde modellen die je aanpast aan financiële tekst via fine-tuning.
Er is ook een module over de beperkingen van NLP-modellen, zoals gevoeligheid voor domeinspecifiek jargon en het risico op verkeerde classificaties bij ambigue formulering. Dat soort nuance is belangrijk als je deze modellen wilt inzetten in een productieomgeving.
Eindopdracht
Deelnemers bouwen een pipeline die automatisch sentimentscores berekent op basis van een set financiële nieuwsberichten naar keuze.