Sztuczna inteligencja w finansach 2600-IADdz1SIF

Słuchacze zapoznają się z technologiami AI, w szczególności z uczeniem maszynowym (ML), oraz ich praktycznym zastosowaniem w analizie dużych zbiorów danych i komunikacji komputer-człowiek. Celem zajęć jest rozwinięcie umiejętności wykorzystania narzędzi ML do podejmowania decyzji. Uczestnicy zajęć nauczą się identyfikować możliwości oraz ograniczenia implementacji rozwiązań opartych na ML w kontekście analizy danych. Omawiane zagadnienia dotyczyć będą następujących obszarów:
1. Źródła danych i środowisko pracy z danymi.
2. Charakterystyka danych przetwarzanych z wykorzystaniem algorytmów uczenia maszynowego.
3. Ocena danych i ich wizualizacja.
4. Przygotowanie danych, standaryzacja oraz podział zbioru.
5. Wybrane algorytmy uczenia maszynowego, przykłady zastosowań :
- Maszyna wektorów nośnych SVM
- Drzewo klasyfikacyjne
- Las losowy RF
- Metoda K-średnich
- Sieci neuronowe
6. Proces dokonywania predykcji.
7. Wady i zalety stosowania poznanych algorytmów.
8. Przykłady zastosowań omawianych algorytmów w kontekście klasyfikacji i regresji.

Konwersatorium będzie realizowane z wykorzystaniem podstaw obsługi środowiska programistycznego R oraz pakietów zewnętrznych właściwych dla omawianych algorytmów uczenia maszynowego.