Machine Learning w finansach 2600-DIdzMLFkf

Po ukończeniu kursu student/studentka

W zakresie wiedzy
• S_W01 – 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).
• S_W05 – 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.
• S_W07 – zna zasady tworzenia i rozwoju innowacyjnych rozwiązań opartych na uczeniu maszynowym, w tym zastosowań w przedsiębiorczości w wymiarze krajowym i globalnym.

W zakresie umiejętności
• S_U01 – potrafi wykorzystać wiedzę z zakresu uczenia maszynowego do rozpoznawania, diagnozowania i rozwiązywania problemów predykcyjnych i klasyfikacyjnych w ekonomii i finansach.
• S_U02 – potrafi prawidłowo interpretować wyniki złożonych procesów uczenia maszynowego (np. błędy estymacji, miary dopasowania modeli) oraz oceniać ich wpływ na decyzje finansowe i gospodarcze.
• S_U03 – 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.
• S_U04 – potrafi formułować i testować hipotezy badawcze z wykorzystaniem metod uczenia maszynowego oraz krytycznie analizować uzyskane wyniki.
• S_U05 – potrafi proponować rozwiązania problemów predykcyjnych i klasyfikacyjnych w warunkach niepewności i nieprzewidywalności, stosując odpowiednie algorytmy uczenia maszynowego.
• S_U06 – 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.

W zakresie kompetencji społecznych
• S_K01 – potrafi oceniać i krytycznie podchodzić do zastosowań metod uczenia maszynowego w analizie danych finansowych i gospodarczych, uwzględniając ich ograniczenia i konsekwencje decyzyjne.
• S_K02 – 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.
• S_K03 – potrafi inicjować działalność opartą na rozwiązaniach uczenia maszynowego, przynoszącą korzyść społeczności, organizacjom i środowisku, w tym podejmować działania na rzecz dobra wspólnego.

Projekt
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

Praktyki zawodowe nie są wymagane dla realizacji przedmiotu

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.

Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb:

• Strona przedmiotu 2600-DIdzMLFkf w USOSweb