Wie we zijn
Renvik Olo biedt seminars over de toepassing van deep learning binnen financiële omgevingen. Geen losse cursussen, maar gestructureerde leertrajecten waarbij deelnemers modellen begrijpen, resultaten interpreteren en onderling inzichten uitwisselen.
Hoe het werkt
Elk seminar bij Renvik Olo is opgebouwd rond een concrete analytische vraag uit de financiële praktijk. Deelnemers werken met echte datasets, bouwen neurale netwerken voor tijdreeksanalyse en vergelijken hun aanpak met die van collega's. Theorie en toepassing wisselen elkaar af in korte, dichte blokken.
De discussies zijn een centraal onderdeel van elk programma. Niet als bijzaak, maar als plek waar deelnemers hun begrip testen. Wanneer je aan een collega moet uitleggen waarom een LSTM-model een bepaalde risicoschatting produceert, merkt je snel wat je echt begrijpt en wat je nog niet begrijpt.
Deelnemers komen uit banken, verzekeringsmaatschappijen, vermogensbeheerders en financiële onderzoeksinstellingen. De achtergronden verschillen, maar de vragen zijn gedeeld. Dat maakt de uitwisseling tijdens sessies bijzonder productief.
De mensen achter de seminars
Twee docenten die dagelijks met financiële data werken en die kennis direct meebrengen naar elke sessie. Geen vrijblijvende overzichten, maar specifieke inzichten uit lopend werk.
Sietske Vandenberghe
Hoofddocent Deep Learning & Financiën
Expertise die telt
Sietske Vandenberghe werkt al meer dan tien jaar aan de kruising van kwantitatieve financiën en machine learning. Ze ontwikkelde risicoclassificatiemodellen voor middelgrote vermogensbeheerders en deed onderzoek naar het gebruik van transformer-architecturen voor aandelenprognoses. Bij Renvik Olo vertaalt ze die ervaring naar programmacontent die ook voor niet-wiskundigen werkbaar is.
Bart Quaedvlieg
Technisch Adviseur & Curriculum Ontwerper
Bart ontwerpt de technische oefeningen en de opbouw van elk seminarmodule. Eerder werkte hij als data-ingenieur bij een Belgische verzekeringsgroep, waar hij modellen bouwde voor fraudedetectie op transactieniveau. Die achtergrond bepaalt hoe praktisch en precies de cases binnen het programma zijn uitgewerkt.
