Магистратура
2024/2025
Основы машинного обучения с приложениями в финансах
Статус:
Курс по выбору (Финансовые рынки и финансовые институты)
Направление:
38.04.08. Финансы и кредит
Кто читает:
Базовая кафедра инфраструктуры финансовых рынков
Где читается:
Факультет экономических наук
Когда читается:
1-й курс, 2 модуль
Формат изучения:
без онлайн-курса
Охват аудитории:
для своего кампуса
Прогр. обучения:
Финансовые рынки и финансовые институты
Язык:
русский
Кредиты:
3
Программа дисциплины
Аннотация
Курс ориентирован на нетехнических специалистов в финансовой индустрии и рассчитан на первоначальное изучение предмета. Слушатели знакомятся с математической постановкой основных типов задач анализа данных и современными методами их решения. Даются основы инструментария, в т.ч. первичные навыки программирования в среде Python. Особое внимание уделено оценке качества решения задач анализа данных, умению формулировать задачи и требования для технических специалистов.
Цель освоения дисциплины
- Целями освоения дисциплины «Основы машинного обучения в практике финансовой деятельности» являются: - ознакомление студентов с теоретическими азами и основными принципами машинного обучения, их дельнейшим практическим применением в области финансов, - формирование у студентов начальных практических навыков решения прикладных задач анализа данных.
Планируемые результаты обучения
- Знать постановки основных классов задач машинного обучения и их источники в практике финансовой деятельности, принципиальное математическое содержание современных методов машинного обучения.
- Уметь определять тип и особенности реальной задачи анализа данных, возможности её решения и необходимые методы; ставить задачу перед техническим специалистом и оценивать результаты его/её работы.
- Владеть базовыми навыками применения инструментальных средств решения задач машинного обучения.
Содержание учебной дисциплины
- Тема 1. Введение в анализ данных
- Тема 2. Основы машинного обучения
- Тема 3. Классические методы анализа данных
- Тема 4. Нейросетевые модели
- Тема 5. Ансамблевые методы
- Тема 6. Специальные виды нейросетей.
- Тема 7. Автоматическое построение ML-моделей с помощью LightAutoML
- Тема 8. Методы типа локальной регрессии, основы топологического анализа данных
Список литературы
Рекомендуемая основная литература
- Pattern recognition and machine learning, Bishop, C. M., 2006
- The elements of statistical learning : data mining, inference, and prediction, Hastie, T., 2017
- Глубокое обучение, Гудфеллоу, Я., 2018
Рекомендуемая дополнительная литература
- Нейронные сети. Полный курс : пер. с англ., Хайкин, С., 2018