Grundlagen des maschinellen Lernens im Finanzwesen Das Universitätsnetzwerk

Beschreibung

Der Kurs soll den Studenten helfen, praktische ML-Probleme zu lösen, die im wirklichen Leben auftreten können. Dazu gehören: (1) Verstehen, wo das Problem auftritt, landet in einer allgemeinen Landschaft verfügbarer ML-Methoden, (2) Verstehen, welche Bestimmte ML-Ansätze sind am besten geeignet, um das Problem zu lösen und (3) eine Lösung erfolgreich umzusetzen und ihre Leistung zu bewerten.
Ein Lernender mit einigen oder keinen Vorkenntnissen in maschinellem Lernen (ML) lernt die Hauptalgorithmen für überwachtes und unbeaufsichtigtes Lernen und Reinforcement Learning kennen und kann ML-Open-Source-Python-Pakete zum Entwerfen, Testen und Implementieren von ML-Algorithmen verwenden in der Finanzwelt.
Die Grundlagen des maschinellen Lernens im Finanzwesen bieten einen tieferen Einblick in überwachtes, unbeaufsichtigtes und verstärkendes Lernen und enden in einem Projekt zur Verwendung von unbeaufsichtigtem Lernen zur Implementierung einer einfachen Portfolio-Handelsstrategie.

Der Kurs richtet sich an drei Kategorien von Studenten:
Praktiker, die bei Finanzinstituten wie Banken, Vermögensverwaltern oder Hedgefonds arbeiten
Personen, die an Anwendungen von ML für den persönlichen Tageshandel interessiert sind
Derzeitige Vollzeitstudenten mit einem Abschluss in Finanzen, Statistik, Informatik, Mathematik, Physik, Ingenieurwesen oder anderen verwandten Disziplinen, die sich über praktische Anwendungen von ML im Finanzwesen informieren möchten

Erfahrung mit Python (einschließlich Numpy-, Pandas- und IPython / Jupyter-Notizbüchern), linearer Algebra, grundlegender Wahrscheinlichkeitstheorie und Grundrechnung ist erforderlich, um die Aufgaben in diesem Kurs abzuschließen.