Sztuczna inteligencja w finansach 2600-IADz1SIF
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.
Koordynatorzy przedmiotu
Rodzaj przedmiotu
Efekty uczenia się
Student potrafi zaprojektować i krytycznie ocenić proces wdrażania algorytmów sztucznej inteligencji w instytucjach finansowych, integrując zaawansowaną metodologię ilościową (ekonomia i finanse) z wymogami ładu korporacyjnego (zarządzanie) oraz restrykcyjnymi ramami regulacyjnymi dotyczącymi wyjaśnialności modeli i ochrony danych (nauki prawne). K_W01
Student potrafi dokonywać wieloaspektowej analizy wpływu megatrendów (technologicznych, ekologicznych i społeczno-politycznych) na architekturę systemów informacyjnych AI, oceniając ich znaczenie dla stabilności finansowej organizacji oraz identyfikując fundamentalne dylematy etyczno-prawne cywilizacji cyfrowej w procesach zautomatyzowanego podejmowania decyzji.
K_W05
Student posiada pogłębioną wiedzę na temat zaawansowanych technik informatycznych i metod numerycznych (w tym algorytmów optymalizacyjnych i stochastycznych) niezbędnych do rozwiązywania złożonych problemów finansowych oraz zna specjalistyczne oprogramowanie i środowiska programistyczne wykorzystywane w sektorze finansowym do modelowania, analizy danych i automatyzacji procesów decyzyjnych. K_W07
Student identyfikuje i stosuje zasady ochrony własności przemysłowej oraz prawa autorskiego w procesie tworzenia i eksploatacji systemów AI, rozstrzygając dylematy dotyczące statusu prawnego danych treningowych, patentowalności rozwiązań algorytmicznych oraz praw do utworów generowanych przez sztuczną inteligencję w sektorze finansowym. K_W06
samodzielnie i zespołowo przygotować analizy, diagnozy i raporty dotyczące złożonych i nietypowych problemów związanych z finansami cyfrowymi w organizacjach, komunikatywnie je prezentować zróżnicowanym grupom odbiorców oraz prowadzić debatę, także w języku angielskim, wykorzystując zaawansowane narzędzia informatyczno-komunikacyjne. K_U03
Student potrafi samodzielnie oraz w zespole opracowywać zaawansowane analizy i raporty dotyczące nietypowych problemów finansów cyfrowych, a następnie komunikatywnie prezentować je (również w języku angielskim) zróżnicowanym odbiorcom i prowadzić debatę, wykorzystując przy tym nowoczesne narzędzia ICT oraz uwzględniając kontekst prawny, etyczny i cywilizacyjny. K_U06
Student wykazuje gotowość do krytycznej oceny własnej wiedzy i umiejętności oraz posiada zdolność do samodzielnego kształcenia się i ciągłego podnoszenia kwalifikacji w dynamicznie zmieniającym się obszarze technologii finansowych, a także aktywnie wspiera innych w rozwoju zawodowym, promując kulturę uczenia się i dzielenia się specjalistyczną wiedzą wewnątrz organizacji. K_U08
Student potrafi samodzielnie i zespołowo opracowywać zaawansowane raporty dotyczące złożonych problemów finansów cyfrowych oraz komunikatywnie prezentować je (również w języku angielskim) z użyciem narzędzi ICT, wykazując przy tym pełną odpowiedzialność za przestrzeganie i rozwijanie standardów etycznych oraz dbanie o dorobek zawodu finansisty w dobie algorytmizacji. K_K05
Kryteria oceniania
kolokwium np. test na platformie e–learningowej, aktywność
Praktyki zawodowe
Praktyki zawodowe nie są wymagane dla realizacji przedmiotu
Literatura
1. Przewodnik po pakiecie R, Przemysław Biecek, OFICYNA WYDAWNICZA GiS, 2017
2. Sztuczna inteligencja w finansach. Yves Hilpisch, Helion, 2022
3. Praktyczne uczenie maszynowe, Marcin Szeliga, PWN, 2019
4. Uczenie maszynowe w języku R, Brett Lantz, Helion, 2024
5. Język R w data science, Hadley Wickham, Mine Çetinkaya-Rundel, Garrett Grolemund, Helion, 2024.