Financiële inzichten door zelflerend onderzoek.
Waarom Pelun Mordas bestaat
Financiële markten genereren voortdurend complexe patronen die traditionele analyses niet altijd blootleggen. Onze workshops richten zich specifiek op unsupervised learning omdat deze technieken structuren ontdekken zonder vooraf gedefinieerde labels. Deelnemers leren algoritmes toepassen die marktgedrag clusteren, anomalieën detecteren en verbanden blootleggen die in ruwe cijfers verborgen blijven.
Opgericht in 2020 door specialisten met achtergrond in kwantitatieve analyse en gedistribueerde systemen. Elk programma combineert actuele datasets met hands-on oefeningen waarin deelnemers zelf modellen bouwen en resultaten interpreteren. Van K-means clustering tot autoencoders – iedere methode wordt toegepast op echte financiële vraagstukken zoals portefeuillesegmentatie en fraudedetectie.
Praktijk staat centraal. Elke sessie bevat codevoorbeelden in Python, configureerbare notebooks en directe feedback op individuele implementaties. Deelnemers werken met tijdreeksdata, transactievolumes en prijsbewegingen om concrete analytische vaardigheden op te bouwen die onmiddellijk toepasbaar zijn in hun eigen context.
Internationale deelnemers
34 landen
Hoe onze aanpak werkt
Stapsgewijs van data-exploratie naar bruikbare modellen. Elke fase bouwt voort op de vorige met concrete tussenresultaten die deelnemers direct kunnen valideren en aanpassen.
Dataset selectie en voorverwerking
Begin met het kiezen van een geschikte financiële dataset – historische aandelenkoersen, transactielogboeken of economische indicatoren. Verwerk ontbrekende waarden, normaliseer schalen en transformeer features zodat algoritmes effectief kunnen leren.
Algoritme-implementatie en training
Implementeer clustering- of dimensionaliteitsreductietechnieken zoals PCA, t-SNE of DBSCAN. Train modellen op voorbereide data en observeer hoe de algoritmes patronen identificeren zonder expliciete instructies over wat relevant is.
Resultaatinterpretatie en validatie
Analyseer uitkomsten door visualisaties, metrics en domeinkennis te combineren. Valideer of ontdekte clusters economisch betekenisvol zijn en verfijn parameters om precisie en bruikbaarheid te verhogen.
Integratie in beslissingssystemen
Verbind getrainde modellen met operationele workflows – automatiseer rapportage, bouw dashboards of integreer alerts die activeren bij afwijkend gedrag. Test robuustheid onder verschillende marktcondities en documenteer prestaties.
Wie deze programma's vormgeven
Liselot Verbruggen
Hoofd onderzoek unsupervised methods
Clustering workshops
Praktische sessies waarin je K-means, hierarchical clustering en DBSCAN toepast op prijsdata en transacties.
Dimensiereductie modules
Leer PCA, t-SNE en autoencoders gebruiken om complexe datasets te vereenvoudigen zonder informatieverlies.
Danique Aelbrecht
Lead anomaliedetectie programma's
Anomaliedetectie intensives
Bouw Isolation Forests en One-Class SVM-modellen die ongebruikelijke patronen in financiële stromen identificeren.
Topic modeling sessies
Ontdek verborgen thema's in financiële rapporten met LDA en NMF – zonder vooraf categorieën te definiëren.