Основы машинного обучения с приложениями в финансах

2024/2025

Учебный год

RUS

Обучение ведется на русском языке

3

Кредиты

Кто читает:

Базовая кафедра инфраструктуры финансовых рынков

Статус:

Курс по выбору

Когда читается:

1-й курс, 2 модуль

Преподаватель

Курочкин Сергей Владимирович

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

Элементы контроля

• Письменный экзамен
• Практическая работа

Промежуточная аттестация

• 2024/2025 2nd module
  0.5 * Письменный экзамен + 0.5 * Практическая работа

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

Авторы

• Мурадян Ольга Владимировна
• Чехлова Галина Сергеевна
• Бакланова Валерия Сергеевна
• Курочкин Сергей Владимирович