Atelier sur l’apprentissage machine (Machine Learning) en finance avec R ou Python

Quand :
13 March 2020 @ 9 h 15 min – 15 h 30 min
2020-03-13T09:15:00-04:00
2020-03-13T15:30:00-04:00
Où :
PAP 3324

Formateur :
Emmanuel Penka Fowe, Ph.D. (Physique-Chimie), MSc (ing. Fin)
Spécialiste principal, Validation des modèles
Société canadienne d’hypothèques et de logement (SCHL)

Le Laboratoire d’ingénierie financière de l’Université Laval (LABIFUL) offre, en collaboration avec la Chaire RBC en innovations financières et les salles des marchés Carmand-Normand et Jean-Turmel, un séminaire pratique sur l’apprentissage machine (Machine Learning) en finance avec R.

Ce séminaire de formation passera en revue les différentes notions suivantes du Machine Learning :

1) Généralité en Machine Learning.

  • Machine learning et classical regressions
  • Les différents composantes de l’Intelligence artificiel : Machine learning vs. Deep learning
  • Les différents types d’apprentissage: Supervisé, non-supervisé et apprentissage par renforcement
  • Rappel des notions de bases : Théorie de Bayes, Fonction objective et minimisation
  • Logiciels de développement de machine Learning : R, Python et Environnement de déploiement et partage (Azure ML, GitHub, Google Colab, H20, etc..)
  • Les toolbox de Machine learning gratuits  (Keras, Tensorflow, Pytorch etc..)

2) L’apprentissage supervisé

  • Régressions linéaires ou logistiques
  • Arbres de classification ou de régression
  • Les méthodes d’ensemble (Random Forest, Boosting et Extrême Boosting)
  • Le SVM

3) Apprentissage non supervisé et Introduction au Deep-Learning

  • Groupage de variables (K-means, PCA, ICA, etc.)
  • Réseaux de Neurone
  • Réseaux récurrents
  • Convolution
  • NLP

Leave a Reply

Your email address will not be published. Required fields are marked *

You may use these HTML tags and attributes: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>

*