Παρουσίαση/Προβολή

(1428275) -  Βασιλειος Πλακανδαρας

Περιγραφή Μαθήματος

Σκοπός του μαθήματος είναι η ανάπτυξη επίγνωσης και δεξιοτήτων, από την πλευρά των φοιτητών, για την επιτυχή ανάπτυξη και κατανόηση των βασικών μεθόδων που χρησιμοποιούνται στον τομέα της χρηματοοικονομικής και πηγάζουν από το χώρο της μηχανικής μάθησης και της τεχνητής νοημοσύνης, αξιοποιώντας τη δυνατότητα συλλογής πολλών δεδομένων (big data) από πολλαπλές πηγές.

Μετά την επιτυχή ολοκλήρωση του μαθήματος οι φοιτητές θα είναι σε θέση να:

• Συλλέγουν, κατανοούν και διαχειρίζονται βάσεις μεγάλων δεδομένων
• Έχουν γνώση της σχετικής βιβλιογραφίας στον τομέα και των νεότερων εξελίξεων στον τομέα της σχεδίασης και εφαρμογής μοντέλων πρόβλεψης
• Αναπτύσσουν μοντέλα μελέτης και πρόβλεψης χρηματοοικονομικών μεταβλητών
• Χειρίζονται εργαλεία ανάπτυξης μοντέλων και γλώσσες προγραμματισμού
• Εξάγουν συμπεράσματα από τις προβλέψεις μοντέλων μηχανικής μάθησης

Περιεχόμενα μαθήματος 

1. Εισαγωγή στις βασικές έννοιες της Τεχνητής Νοημοσύνης, Θεωρίας Προβλέψεων, Μηχανικής Μάθησης και Μεγάλα Δεδομένα.
2. Γραμμική παλινδρόμηση, μοντέλα ποιοτικής ανταπόκρισης, LASSO
3. Τεχνητά Νευρωνικά Δίκτυα
4. Μηχανές Διανυσμάτων Υποστήριξης
5. Δέντρα Αποφάσεων – Τυχαία δάση
6. Τεχνικές Εκπαίδευσης μοντέλων (gradient descent, regularization, cross validation)
7. Βαθιά μάθηση
8. Μεγάλα δεδομένα, λογισμικό χειρισμού και πρόβλεψης
9. Ανάπτυξη εφαρμογής πρόβλεψης σε χρηματοοικονομικά δεδομένα, debate
10. Παρουσιάσεις εργασιών

Ημερομηνία δημιουργίας

Τετάρτη 17 Νοεμβρίου 2021