BACK

FinTech: машинное обучение

В данном разделе представлены массовые открытые онлайн-курсы (МООК), которые разработаны в рамках актуализации основных профессиональных образовательных программ высшего образования с цифровой составляющей для профессий приоритетных отраслей экономики.

МООК является дополнительным учебным материалом, который может быть использован работниками образовательных организаций при проектировании образовательных программ, модулей, курсов и в других целях, связанных с их профессиональной деятельностью. 

Обращаем Ваше внимание, что изучение МООК доступно любому зарегистрированному пользователю, однако МООК не является частью образовательной программы повышения квалификации.

Изучение материалов МООК не предполагает выдачу удостоверений, сертификатов или иных документов, подтверждающих их изучение.

Машинное обучение является направлением искусственного интеллекта. В настоящее время наблюдается повсеместное внедрение инструментов машинного обучения во все сферы финансового сектора, что позволяет обеспечивать значительный экономический эффект в работе с клиентами, риск-менеджменте, повышении эффективности деятельности в целом.

Цель курса – формирование образовательных результатов в области машинного обучения в финансовой сфере.

Массовый открытый онлайн-курс (МООК): Финансовые услуги
Plan
1
FinTech: машинное обучение
Not scheduled

a.
Открытие
1 slide, 0 tests
2
Общие подходы к обучению и оценке моделей для решения задач регрессии и классификации в финансовой сфере (часть 1)
Not scheduled

a.
Типы решаемых задач и общие подходы алгоритмов машинного обучения в финансовой сфере
1 slide, 0 tests

b.
Презентация
1 slide, 0 tests

c.
Мнение эксперта
1 slide, 0 tests

d.
Тестирование
7 slides, 7 tests

e.
Задание
1 slide, 1 test

f.
Сфера применения и особенность предсказаний регрессионных моделей
1 slide, 0 tests

g.
Сфера применения и особенность предсказаний регрессионных моделей (2 часть)
1 slide, 0 tests

h.
Презентация
1 slide, 0 tests

i.
Дополнительный материал
1 slide, 0 tests

j.
Тестирование
7 slides, 7 tests

k.
Задание
1 slide, 1 test

l.
Инструкция для запуска блокнотов Jupyter в Google Colab
1 slide, 0 tests
3
Общие подходы к обучению и оценке моделей для решения задач регрессии и классификации в финансовой сфере (часть 2)
Not scheduled

a.
Критерии оценки регрессионных моделей
1 slide, 0 tests

b.
Презентация
1 slide, 0 tests

c.
Дополнительный материал
1 slide, 0 tests

d.
Тестирование
7 slides, 7 tests

e.
Задание
1 slide, 1 test

f.
Задачи классификации на основе логистической регрессии
1 slide, 0 tests

g.
Задачи классификации на основе логистической регрессии (2 часть)
1 slide, 0 tests

h.
Презентация
1 slide, 0 tests

i.
Дополнительный материал
1 slide, 0 tests

j.
Тестирование
7 slides, 7 tests

k.
Задание
1 slide, 1 test
4
Общие подходы к обучению и оценке моделей для решения задач регрессии и классификации в финансовой сфере (часть 3)
Not scheduled

a.
Критерии оценки качества классификационных моделей в зависимости от поставленной бизнес-задачи
1 slide, 0 tests

b.
Презентация
1 slide, 0 tests

c.
Мнение эксперта
1 slide, 0 tests

d.
Дополнительный материал
1 slide, 0 tests

e.
Тестирование
7 slides, 7 tests

f.
Задание
1 slide, 1 test

g.
Основные понятия, возможности и проблемы выявления закономерностей в неразмеченных данных
1 slide, 0 tests

h.
Презентация
1 slide, 0 tests

i.
Основные понятия, возможности и проблемы выявления закономерностей в неразмеченных данных
1 slide, 0 tests

j.
Презентация
1 slide, 0 tests

k.
Дополнительный материал
1 slide, 0 tests

l.
Тестирование
7 slides, 7 tests

m.
Задание
1 slide, 1 test
5
Подходы к обучению ансамблей моделей для решения задач в финансовой сфере
Not scheduled

a.
Сферы применения и преимущества использования ансамблей моделей. Общее описание алгоритмов дерева решений и беггинга
1 slide, 0 tests

b.
Презентация
1 slide, 0 tests

c.
Дополнительный материал
1 slide, 0 tests

d.
Тестирование
7 slides, 7 tests

e.
Задание
1 slide, 1 test

f.
Бустинг. Adaboost для ансамбля из простых деревьев (пней). Градиентный бустинг
1 slide, 0 tests

g.
Презентация
1 slide, 0 tests

h.
Дополнительный материал
1 slide, 0 tests

i.
Задание
1 slide, 1 test

j.
Решение задачи прогнозирования стоимости объекта недвижимости с применением моделей RandomForest, GBM, XGBoost, LightGBM и CatBoost
1 slide, 0 tests

k.
Тестирование
7 slides, 7 tests

l.
Задание
1 slide, 1 test
6
Основы искусственных нейронный сетей на основе библиотеки PyTorch (часть 1)
Not scheduled

a.
Основы PyTorch. Работа с тензорами в PyTorch
1 slide, 0 tests

b.
Презентация
1 slide, 0 tests

c.
Мнение эксперта
1 slide, 0 tests

d.
Дополнительный материал
1 slide, 0 tests

e.
Тестирование
7 slides, 7 tests

f.
Задание
1 slide, 1 test

g.
Вычислительные графы. Автоматическое вычисление градиентов (autograd)
1 slide, 0 tests

h.
Презентация
1 slide, 0 tests

i.
Дополнительный материал
1 slide, 0 tests

j.
Однослойные и многослойные нейронные сети в PyTorch. Использование autograd для обучения моделей нейронных сетей
1 slide, 0 tests

k.
Презентация
1 slide, 0 tests

l.
Дополнительный материал
1 slide, 0 tests

m.
Тестирование
7 slides, 7 tests

n.
Задание
1 slide, 1 test
7
Основы искусственных нейронный сетей на основе библиотеки PyTorch (часть 2)
Not scheduled

a.
Подготовка данных и организация процесса обучения нейронной сети
1 slide, 0 tests

b.
Презентация
1 slide, 0 tests

c.
Дополнительный материал
1 slide, 0 tests

d.
Тестирование
7 slides, 7 tests

e.
Задание
1 slide, 1 test

f.
Рекуррентные нейронные сети
1 slide, 0 tests

g.
Презентация
1 slide, 0 tests

h.
Прогнозирование временных серий рекуррентными нейронными сетями
1 slide, 0 tests

i.
Презентация
1 slide, 0 tests

j.
Обзор отечественного ПО в сфере анализа данных и машинного обучения
1 slide, 0 tests

k.
Презентация
1 slide, 0 tests

l.
Тестирование
7 slides, 7 tests

m.
Задание
1 slide, 1 test

n.
Дополнительный материал
2 slides, 0 tests
8
Итоговое тестирование
Not scheduled

a.
Тестирование
99 slides, 99 tests
Support
  • Служба Поддержки
    +7 (800) 550-31-71
Служба поддержки
  • Служба Поддержки
Certificates