Machine Learning w finansach 2600-DIdzMLFkf

Po ukończeniu kursu student/studentka

W zakresie wiedzy
• w sposób pogłębiony zna i rozumie metodologię badań i terminologię związaną z uczeniem maszynowym, w tym podstawowe pojęcia dotyczące regresji, klasyfikacji, doboru modeli oraz działania algorytmów (SVM, KNN, drzewa decyzyjne, sieci neuronowe) (K_W01).
• zna i rozumie złożone procesy i zjawiska technologiczne oraz ich wpływ na rozwój i zastosowanie metod uczenia maszynowego w analizie danych ekonomicznych i finansowych, w tym ograniczenia modeli i fundamentalne dylematy związane z automatyzacją procesów decyzyjnych (K_W05).
• zna zasady tworzenia i rozwoju innowacyjnych rozwiązań opartych na uczeniu maszynowym, w tym zastosowań w przedsiębiorczości w wymiarze krajowym i globalnym (K_W07).

W zakresie umiejętności
• potrafi wykorzystać wiedzę z zakresu uczenia maszynowego do rozpoznawania, diagnozowania i rozwiązywania problemów predykcyjnych i klasyfikacyjnych w ekonomii i finansach (K_U01).
• potrafi prawidłowo interpretować wyniki złożonych procesów uczenia maszynowego (np. błędy estymacji, miary dopasowania modeli) oraz oceniać ich wpływ na decyzje finansowe i gospodarcze (K_U02).
• potrafi dobrać odpowiednie źródła danych oraz stosować właściwe metody i narzędzia uczenia maszynowego (modele liniowe, LASSO, Ridge, drzewa decyzyjne, ANN), a także opracowywać nowe rozwiązania analityczne dostosowane do specyfiki badanego problemu (K_U03).
• potrafi formułować i testować hipotezy badawcze z wykorzystaniem metod uczenia maszynowego oraz krytycznie analizować uzyskane wyniki (K_U04).
• potrafi proponować rozwiązania problemów predykcyjnych i klasyfikacyjnych w warunkach niepewności i nieprzewidywalności, stosując odpowiednie algorytmy uczenia maszynowego (K_U05).
• potrafi samodzielnie i zespołowo przygotować analizy i raporty wykorzystujące metody uczenia maszynowego, prezentować je zróżnicowanym odbiorcom (także w języku angielskim) oraz prowadzić debatę z użyciem zaawansowanych narzędzi informatyczno-komunikacyjnych (K_U06).

W zakresie kompetencji społecznych
• potrafi oceniać i krytycznie podchodzić do zastosowań metod uczenia maszynowego w analizie danych finansowych i gospodarczych, uwzględniając ich ograniczenia i konsekwencje decyzyjne (K_K01).
• uznaje znaczenie i wartość wiedzy naukowej w kontekście stosowania uczenia maszynowego do rozwiązywania złożonych problemów ekonomicznych i finansowych, a także potrafi korzystać z opinii ekspertów i specjalistów (K_K02).
• potrafi inicjować działalność opartą na rozwiązaniach uczenia maszynowego, przynoszącą korzyść społeczności, organizacjom i środowisku, w tym podejmować działania na rzecz dobra wspólnego (K_K03).

Przygotowanie projektu zgodnie z wytycznymi prowadzącego na podstawie danych rynkowych. Projekt powinien składać się z:
- opisu teoretycznego zjawiska
- opisu danych
- opisu modelu
- wyników
- wniosków
- podsumowania i ograniczeń

Dopuszczalna jest jedna nieobecność w semestrze.
Wykorzystywanie narzędzi sztucznej inteligencji do tworzenia elementów zaliczenia przedmiotu jest zakazane.

-

Cerulli, G. 2023. Fundamentals of Supervised Machine Learning with Application in Python, R and Stata. Springer, Cham, Switzerland.
Chollet, F. 2020. Deep Learning with Python. Apogeo.
Lakshmanan, V., Robinson, S., Munn, M. 2020. Machine Learning Design Patterns. O'Reilly Media.