Fundamentos del aprendizaje automático en finanzas

Descripción

El curso tiene como objetivo ayudar a los estudiantes a ser capaces de resolver problemas prácticos de LD que puedan encontrar en la vida real, que incluyen: (1) comprender dónde se encuentra el problema en un panorama general de métodos de ML disponibles, (2) comprender qué Los enfoques específicos de LD serían los más apropiados para resolver el problema y (3) la capacidad de implementar con éxito una solución y evaluar su desempeño.
Un alumno con algunos o ningún conocimiento previo de Machine Learning (ML) conocerá los algoritmos principales de Aprendizaje supervisado y no supervisado y Aprendizaje de refuerzo, y podrá usar paquetes de Python de código abierto de ML para diseñar, probar e implementar algoritmos de ML En finanzas.
Los fundamentos del aprendizaje automático en finanzas proporcionarán una visión más profunda del aprendizaje supervisado, no supervisado y de refuerzo, y terminarán en un proyecto sobre el uso del aprendizaje no supervisado para implementar una estrategia simple de negociación de cartera.

El curso está diseñado para tres categorías de estudiantes:
Profesionales que trabajan en instituciones financieras como bancos, empresas de gestión de activos o fondos de cobertura.
Individuos interesados en aplicaciones de ML para el día personal de negociación
Estudiantes actuales de tiempo completo que buscan obtener un título en Finanzas, Estadística, Ciencias de la Computación, Matemáticas, Física, Ingeniería u otras disciplinas relacionadas que desean aprender sobre aplicaciones prácticas de ML en Finanzas

Para completar las tareas en este curso, se necesita experiencia con Python (incluidos los cuadernos numpy, pandas y IPython / Jupyter), álgebra lineal, teoría básica de probabilidad y cálculo básico.