金融工程：机器学习在金融领域的深度应用。数据科学/金融专题，7月底开课！-几何留学

金融工程：机器学习在金融领域的深度应用。数据科学/金融专题，7月底开课！

项目时间 2023.07.29 开课

编辑 | 几何留学学姐

适合人群

对数据科学 / 金融 / 数据建模等感兴趣的同学

项目安排

——9课时名校教授1对3亲授

——9课时名校助教1对3亲授

——15课时精品小班学术写作课

——81课时学术选修课

项目介绍

本项目是一门介绍机器学习在金融领域中应用的课程。学生将学习现代机器学习的最新发展，并了解其在金融领域中的应用。该课程将重点介绍机器学习在资产管理和资本配置中的应用，包括交易策略、权重优化和风险管理等方面。通过本课程的学习，学生将获得必要的词汇和技术知识，能够参与到现代金融机器学习项目中。

授课教授

BS2022150

♔纽约大学金融机器学习教授，毕业于艾伦·图灵研究所、英国人工智能研究所和牛津大学牛津曼定量金融研究所。

♖领导了与主要银行和量化对冲基金的联合研究项目。

♚对软件开发有着特殊的兴趣，在GitHub上发布了多个开源软件和笔记本。

♜喜欢将机器学习应用于资产管理、金融建模、事件预测、时间序列预测和合成数据生成。

项目特色

项目收获

项目大纲

机器学习在金融中的应用：机器学习在金融领域中的应用包括风险管理、投资组合优化、信用评估、欺诈检测等。通过机器学习技术，可以更准确地预测金融市场的趋势和波动，从而帮助投资者做出更明智的决策。

回归模型：回归模型是机器学习中的一种常见模型，用于预测连续变量的值。常见的回归模型包括线性回归、KNN回归、回归树和时间序列模型等。
分类模型：分类模型是机器学习中的另一种常见模型，用于将数据分为不同的类别。常见的分类模型包括线性分类、KNN分类、树分类和集合模型等。
解释阶段：解释阶段是机器学习中的一个重要环节，用于解释模型的预测结果。解释能力和可解释性是解释阶段的两个关键概念。此外，机器学习还涉及无监督学习、深度学习、自然语言处理和强化学习等领域。

开课时间：2023.07.29

具体上课时间、最终时间安排，均以实际安排为准

预约咨询