Machine Learning pour la finance
Enseignant responsable :
Volume horaire : 18Description 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 : 1Compétence 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 :
QCM
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.