MODELS AND TECHNOLOGY FOR THE FINANCIAL INDUSTRY
- Anno accademico
- 2021/2022 Programmi anni precedenti
- Titolo corso in inglese
- MODELS AND TECHNOLOGY FOR THE FINANCIAL INDUSTRY
- Codice insegnamento
- EM1414 (AF:339185 AR:181544)
- Lingua di insegnamento
- Inglese
- Modalità
- In presenza
- Crediti formativi universitari
- 6
- Livello laurea
- Laurea magistrale (DM270)
- Settore scientifico disciplinare
- SECS-P/02
- Periodo
- 3° Periodo
- Anno corso
- 2
- Sede
- VENEZIA
- Spazio Moodle
- Link allo spazio del corso
Inquadramento dell'insegnamento nel percorso del corso di studio
L’insegnamento è fra i corsi caratterizzanti del corso di Laurea Magistrale in DATA ANALYTICS FOR BUSINESS AND SOCIETY e ha lo scopo di approfondire le tecniche di machine learning applicate all'industria finanziaria.
Il corso si concentra sulla comprensione degli algoritmi e degli strumenti più comuni utilizzati dai data scientist in ambito finanziario.
Durante il corso verranno discussi casi pratici attraverso l'utilizzo di Python al fine di applicare le conoscenze acquisite.
Il corso si concentra sulla comprensione degli algoritmi e degli strumenti più comuni utilizzati dai data scientist in ambito finanziario.
Durante il corso verranno discussi casi pratici attraverso l'utilizzo di Python al fine di applicare le conoscenze acquisite.
Risultati di apprendimento attesi
1. Conoscenza e comprensione
- studio e comprensione dei i dati disponibili nell'industria finanziaria
- rassegna delle principali tecniche di machine learning applicate all'industria finanziaria
2. Capacità di applicare conoscenza e comprensione
- Individuare ed applicare le tecniche di machine learning adatte al problema analizzato
- Analisi di casi pratici attraverso l'utilizzo di Python
3. Capacità di giudizio
- capacità di effettuare testing e validazione di modelli
- studio e comprensione dei i dati disponibili nell'industria finanziaria
- rassegna delle principali tecniche di machine learning applicate all'industria finanziaria
2. Capacità di applicare conoscenza e comprensione
- Individuare ed applicare le tecniche di machine learning adatte al problema analizzato
- Analisi di casi pratici attraverso l'utilizzo di Python
3. Capacità di giudizio
- capacità di effettuare testing e validazione di modelli
Prerequisiti
Possedere le conoscenze di base indicate nei requisiti di personale preparazione per iscriversi al corso di Laurea Magistrale in DATA ANALYTICS FOR BUSINESS AND SOCIETY
Contenuti
Introduzione al Machine Learning applicata alla finanza
Unsupervised learning
Supervised learning e regularization (Regressione lineare e logistica, survival analysis e support vector machines)
Financial Portfolio e regularization
Unsupervised learning
Supervised learning e regularization (Regressione lineare e logistica, survival analysis e support vector machines)
Financial Portfolio e regularization
Testi di riferimento
Materiale fornito dal docente.
Hull, J. (2021). Machine Learning in Business: An Introduction to the World of Data Science. Third Edition. Amazon Distribution.
Hull, J. (2021). Machine Learning in Business: An Introduction to the World of Data Science. Third Edition. Amazon Distribution.
Modalità di verifica dell'apprendimento
La verifica dell’apprendimento è composta da una parte scritta (domande aperte) e da un analisi empirica svolta in gruppo o individualmente per i frequentanti.
Modalità di esame
scritto
Metodi didattici
Lezione frontale. Slides di lezione, programmazione, esercizi, ed esempi disponibili nella piattaforma Moodle.
Obiettivi Agenda 2030 per lo sviluppo sostenibile
Questo insegnamento tratta argomenti connessi alla macroarea "Città, infrastrutture e capitale sociale" e concorre alla realizzazione dei relativi obiettivi ONU dell'Agenda 2030 per lo Sviluppo Sostenibile
Programma definitivo.
Data ultima modifica programma: 15/02/2022