Introdurre i principi base dell'intelligenza artificiale applicata alla finanza.
RISULTATI DI APPRENDIMENTO ATTESI
CONOSCENZA E CAPACITÀ DI COMPRENSIONE:
Alla fine dell’insegnamento lo studente dovrà: -) comprendere cosa sono le reti neurali;; -) capire le differenze tra i diversi principi base; -) conoscere i più importanti modelli.
CONOSCENZA E CAPACITÀ DI COMPRENSIONE APPLICATE:
Alla fine dell’insegnamento lo studente dovrà essere in grado di: -) capire se un certo problema può essere risolto con una certa tecnica; -) formalizzare un problema; -) operare nell'ambito dell'intelligenza artificiale in finanza.
ABILITÀ DI COMUNICAZIONE:
Alla fine dell’insegnamento lo studente dovrà essere in grado di esporre i concetti appresi, utilizzando un linguaggio corretto e preciso.
CAPACITÀ DI APPRENDERE:
Alla fine dell’insegnamento lo studente dovrà essere in grado di leggere testi e articoli di ricerca di intelligenza artificiale applicata alla finanza.
Prerequisiti
Nessuno.
Metodi didattici
Lezioni frontali in aula.
Verifica Apprendimento
Progetto.
Testi
Appunti dalle lezioni del docente
Contenuti
-) Introduzione al machine learning; -) introduzione alle reti neurali; -) esempi di problemi in finanza affrontabili con l'intelligenza artificiale; -) introduzione a Python+Keras; -) implementazione degli esempi in Keras.
Lingua Insegnamento
Italiano
Altre informazioni
E-mail: maurizio.parton@unich.it. Cellulare di riferimento: 349-5323-199.