Machine Learning pour la finance

Ects : 3

Enseignant responsable :

Volume horaire : 18

Description du contenu de l'enseignement :

  • Introduction à l'IA et au machine learning
  • Méthodes de régression
  • Méthodes de classification
  • Apprentissage non supervisé : clustering
  • Support Vector Machines
  • Introduction aux réseaux de neurones

Pré-requis recommandés :

Notions de programmation en Python

Coefficient : 1

Compétence à acquérir :

L'objectif de ce cours est d'introduire les principes fondamentaux du machine learning et de présenter un certain nombre de modèles pour la résolution de problèmes-types en finance. Ce cours est également l'occasion pour les étudiants de développer leurs connaissances en Python et de se familiariser avec Scikit-learn.

Mode de contrôle des connaissances :

Contrôle terminal (100%)

Bibliographie, lectures recommandées

A. Geron (2019), "Hands-on Machine Learning with Scikit-learn, Keras end Tensorflow: Concepts, tools and techniques to build intelligent systems", O'Reilly.