• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Магистратура 2019/2020

IT для финансистов

Лучший по критерию «Полезность курса для Вашей будущей карьеры»
Статус: Курс по выбору (Финансовый инжиниринг)
Направление: 38.04.08. Финансы и кредит
Кто читает: Практико-ориентированные магистерские программы факультета экономических наук
Когда читается: 2-й курс, 2 модуль
Формат изучения: Full time
Прогр. обучения: Финансовый инжиниринг
Язык: русский
Кредиты: 6

Программа дисциплины

Аннотация

В рамках курса студенты изучают современные инструменты анализа данных, осваивают основы SQL и Python. Курс рекомендуется в качестве подготовки к Проекту «Программные инструменты решения задач финансовой инженерии».
Цель освоения дисциплины

Цель освоения дисциплины

  • Целью дисциплины является практическое ознакомление студентов с современными задачами обработки информации и анализа данных и инструментарием их решения в финансовой деятельности.
Планируемые результаты обучения

Планируемые результаты обучения

  • Студент должен знать современные стандарты организации и хранения данных в финансовых компаниях;  основы SQL и программирования на Python;  природу и постановки основных классов информационных задач в практике финансовой деятельности,  принципиальное математическое содержание современных методов машинного обучения.
  • Студент должен уметь оценить качество данных с точки зрения достаточности для использования в практических задачах;  определять тип и особенности реальной задачи анализа данных, возможности её решения и необходимые методы;  самостоятельно решать рутинные (небольшие, типовые, локальные) задачи по работе с финансовыми данными с помощью SQL и Python;  ставить задачу перед техническим специалистом и оценивать качество предложенного программного решения.
  • Студент должен владеть базовыми навыками работы со свободно распространяемыми СУБД и дистрибутивами Python;  базовыми навыками применения инструментальных средств решения задач машинного обучения.
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Тема 1. Специфика данных в современных финансовых задачах
  • Тема 2. Основы реляционных баз данных
  • Тема 3. Анализ структуры, оценка качества данных и предобработка
  • Тема 4. Визуализация данных и представление результатов
  • Тема 5. Введение в машинное обучение.
  • Тема 6. Классические методы статистического анализа данных.
  • Тема 7. Математические основы машинного обучения
  • Тема 8. Нейросетевые методы анализа данных.
  • Тема 9. Специальные виды нейронных сетей.
  • Тема 10. Примеры практической постановки и решения задач машинного анализа данных в среде Python.
  • Тема 11. Верификация и валидация программных решений
Элементы контроля

Элементы контроля

  • неблокирующий Домашнее задание 1
  • неблокирующий Домашнее задание 2
  • неблокирующий Домашнее задание 3
  • неблокирующий Домашнее задание 4
  • неблокирующий Экзамен
Промежуточная аттестация

Промежуточная аттестация

  • Промежуточная аттестация (2 модуль)
    0.15 * Домашнее задание 1 + 0.15 * Домашнее задание 2 + 0.15 * Домашнее задание 3 + 0.15 * Домашнее задание 4 + 0.4 * Экзамен
Список литературы

Список литературы

Рекомендуемая основная литература

  • Chu, W. W. (2013). Data Mining and Knowledge Discovery for Big Data : Methodologies, Challenge and Opportunities. Heidelberg: Springer. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=643546
  • Анализ данных на компьютере, Тюрин Ю. Н., Макаров А. А., 2003

Рекомендуемая дополнительная литература

  • An introduction to statistical learning : with applications in R, James G., Witten D., 2013