Lagerstrasse 41, 8004 Zürich
CHF 2'400.00
Kein Abschluss
29.09.2021
Der Weiterbildungskurs Machine Learning and Deep Learning for Finance bietet einen umfassenden Einblick in Techniken und Modelle im Bereich des maschinellen Lernens mit praktischen Anwendungen in diversen Bereichen des Finanzwesens. Die Teilnehmenden erlernen hierbei neben den erforderlichen theoretischen Grundkenntnissen vor allem auch wichtige Fähigkeiten für die direkte Implementierung der vorgestellten Methodiken.
Thematisch ist der Kurs entlang der drei Teilgebiete des maschinellen Lernens aufgebaut und beinhaltet folgende Themen:
Nach einer fundierten theoretischen Einführung werden spezifische Anwendungen im Finanzbereich erarbeitet und evaluiert. Zudem werden sowohl Erweiterungsmöglichkeiten als auch Grenzen der besprochenen Modelle erörtert. Der Fokus dieses Weiterbildungskurses liegt auf der praktischen Anwendung und Umsetzbarkeit von maschinellem Lernen. Den Kursteilnehmenden wird somit ein tiefer Einblick in den kompletten Modell-Lebenszyklus und die Arbeitsweise von Ingenieuren im Gebiet des maschinellen Lernens gegeben.
Zielpublikum:Der Weiterbildungskurs Machine Learning and Deep Learning for Finance richtet sich an Personen mit einem Interesse an praktischen Anwendungen von maschinellem Lernen im Finanzwesen, welche verschiedene Techniken der Modell-Implementierung, -Evaluierung und -Verbesserung erlernen möchten. Die Teilnehmenden sollten einen technischen und quantitativen Hintergrund mit einem Abschluss in Mathematik, Informatik, Physik, Ingenieurwissenschaften oder ähnlichem besitzen. Ebenfalls berücksichtigt werden Absolvierende mit einem Abschluss in Banking und Finance oder verwandten Disziplinen, welche eine quantitative Ausrichtung nachweisen können. Teilnehmende, welche sowohl die quantitativen als auch technischen Voraussetzungen durch andere Aktivitäten nachweisen, können “sur dossier” in den Kurs aufgenommen werden.
Erste Kenntnisse und Erfahrungen von maschinellem Lernen sind hilfreich, aber nicht notwendig. Da die angewandten Projekte von Grund auf in Python implementiert werden, sind Grundlagenkenntnisse mit dieser Programmiersprache hilfreich, aber nicht notwendig. Ebenfalls hilfreich ist ein generelles Verständnis für die Bereiche der Finanzbranche.
Ziele:Die Absolvierenden erwerben sowohl theoretische Grundlagen als auch praktische Fähigkeiten in den folgenden Bereichen:
Modul "Supervised Learning"
Inhalte
Lernziele
Modul "Unsupervised Learning"
Inhalte
Lernziele
Modul "Reinforcement Learning"
Inhalte
Lernziele
School of Engineering
Tel... anzeigen
E-Mail Anfrage