Магистратура
2021/2022
IT для финансистов
Лучший по критерию «Полезность курса для Вашей будущей карьеры»
Лучший по критерию «Полезность курса для расширения кругозора и разностороннего развития»
Лучший по критерию «Новизна полученных знаний»
Статус:
Курс по выбору (Финансовый инжиниринг)
Направление:
38.04.08. Финансы и кредит
Кто читает:
Практико-ориентированные магистерские программы факультета экономических наук
Где читается:
Факультет экономических наук
Когда читается:
2-й курс, 1, 2 модуль
Формат изучения:
без онлайн-курса
Охват аудитории:
для своего кампуса
Прогр. обучения:
Финансовый инжиниринг
Язык:
русский
Кредиты:
6
Контактные часы:
60
Программа дисциплины
Аннотация
В рамках курса студенты изучают современные инструменты анализа данных, осваивают основы SQL и Python. Курс рекомендуется в качестве подготовки к Проекту «Программные инструменты решения задач финансовой инженерии».
Цель освоения дисциплины
- Целью дисциплины является практическое ознакомление студентов с современными задачами обработки информации и анализа данных и инструментарием их решения в финансовой деятельности.
Планируемые результаты обучения
- Студент должен владеть базовыми навыками работы со свободно распространяемыми СУБД и дистрибутивами Python; базовыми навыками применения инструментальных средств решения задач машинного обучения.
- Студент должен знать современные стандарты организации и хранения данных в финансовых компаниях; основы SQL и программирования на Python; природу и постановки основных классов информационных задач в практике финансовой деятельности, принципиальное математическое содержание современных методов машинного обучения.
- Студент должен уметь оценить качество данных с точки зрения достаточности для использования в практических задачах; определять тип и особенности реальной задачи анализа данных, возможности её решения и необходимые методы; самостоятельно решать рутинные (небольшие, типовые, локальные) задачи по работе с финансовыми данными с помощью SQL и Python; ставить задачу перед техническим специалистом и оценивать качество предложенного программного решения.
Содержание учебной дисциплины
- Тема 1. Специфика данных в современных финансовых задачах
- Тема 2. Основы реляционных баз данных
- Тема 3. Анализ структуры, оценка качества данных и предобработка
- Тема 4. Визуализация данных и представление результатов
- Тема 5. Введение в машинное обучение.
- Тема 6. Классические методы статистического анализа данных.
- Тема 7. Математические основы машинного обучения
- Тема 8. Нейросетевые методы анализа данных.
- Тема 9. Специальные виды нейронных сетей.
- Тема 10. Примеры практической постановки и решения задач машинного анализа данных в среде Python.
- Тема 11. Верификация и валидация программных решений
Промежуточная аттестация
- 2021/2022 учебный год 2 модуль0.15 * Домашнее задание 1 + 0.4 * Экзамен + 0.15 * Домашнее задание 2 + 0.15 * Домашнее задание 4 + 0.15 * Домашнее задание 3
Список литературы
Рекомендуемая основная литература
- Batra, R. (2018). SQL Primer : An Accelerated Introduction to SQL Basics. New York: Apress. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1833706
- Chu, W. W. (2013). Data Mining and Knowledge Discovery for Big Data : Methodologies, Challenge and Opportunities. Heidelberg: Springer. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=643546
- McKinney, W. (2018). Python for Data Analysis : Data Wrangling with Pandas, NumPy, and IPython (Vol. Second edition). Sebastopol, CA: O’Reilly Media. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1605925
- Nelli, F. (2018). Python Data Analytics : With Pandas, NumPy, and Matplotlib (Vol. Second edition). New York, NY: Apress. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1905344
- Анализ данных на компьютере, Тюрин, Ю. Н., 2003
Рекомендуемая дополнительная литература
- An introduction to statistical learning : with applications in R, , 2013