没有合适的资源?快使用搜索试试~ 我知道了~
机器学习理论(双语)-教学大纲.docx
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 138 浏览量
2022-07-09
18:44:06
上传
评论
收藏 54KB DOCX 举报
温馨提示
试读
23页
机器学习理论(双语)-教学大纲.docx机器学习理论(双语)-教学大纲.docx机器学习理论(双语)-教学大纲.docx机器学习理论(双语)-教学大纲.docx机器学习理论(双语)-教学大纲.docx机器学习理论(双语)-教学大纲.docx机器学习理论(双语)-教学大纲.docx机器学习理论(双语)-教学大纲.docx
资源推荐
资源详情
资源评论
教学大纲
《机器学习理论(双语)》教学大纲
课程编号:111103A
课程类型:□通识教育必修课 □通识教育选修课
□专业必修课
□学科基础课
■专业选修课
总学时:48 讲课学时:32 实验(上机)学时:16
学
分:3
适用对象:投资学专业
、金融计量学、量化金融学(双
先修课程: 金融计算机语言
语)
一、教学目标
当代投资学越来越多的采用人工智能技术解决复杂投资决策问题。人工智能的
理论和技术在当代投资中的地位越来越重要,甚至已有取代传统投资决策和方法技
术之趋势,因此投资学专业学生需要系统的学习人工智能理论在金融投资中的应用。
人工智能的理论和技术主要来自于机器学习理论。本课程系统的向学生讲授机器学
习理论。机器学习理论与计算机编程、统计学以及计量经济学有密切的联系,因此
学生在学习本课程前需要有足够的背景知识。本课程将通过介绍机器学习理论,让
学生了解如何利用机器学习理论以及人工智能技术进行金融问题研究和进行量化投
资决策。该课程是专业必修课中的一门重要课程,是一门跨学科的复合型课程,因
此需要学生对各先修学科有扎实的基础,本课程突出学习前沿人工智能理论知识与
应用相结合,重点培养学生综合运用跨学科知识进行量化投资。学生在学好本课程
后,将对其后续课程以及毕业论文设计帮助巨大,也将增强学生在大数据人工智能
时代的就业竞争优势。
目标 1:掌握主流和前沿的机器学习理论
目标 2:熟练运用机器学习理论结合投资学知识解决具体问题
目标 3:融会贯通投资学、统计学、计量经济学、计算机编程以及机器学习理
论,提升处理复杂投资决策问题的能力。
目标 4:充分了解投资学发展的前沿,了解人工智能与投资学发展逻辑联系。
二、教学内容及其与毕业要求的对应关系
(一)教学内容
《机器学习理论》涉及三大板块知识。即基础理论知识介绍、上机实习和综合
运用。在基础知识模块主要介绍和讲授机器学习理论的主要知识框架,包括:监督
学习、无监督学习和强化学习,其中监督学习中的若干模型属于精讲内容,无监督
学习属于细讲的内容,而强化学习属于粗讲的内容。上机环节主要采用 Python、
Matlab 以及 R 语言,结合学理论知识,熟练运用计算机语言调用相关理论模型。
因为这是一门跨学科复合型课程,在课程的后半段,教学内容将突出综合应用,采
取在给定适当投资场景的前提下,以案例分析的形式,让学生构建模型,提升综合
能力。案例包括(但不限于):量化投资与智能选股、人工智能与衍生品定价、机
器学习理论在股票预测中的应用、强化学习与投资决策、监督学习与信用风险识别
等。此外,课程还会从行业发展与产业经济学视角,引导学生了解智能投资以及科
技金融行业发展前景与趋势,引导学生思考新兴智能技术对金融投资行业职业的道
德操守伦理冲击等前沿前瞻型问题。
(二)教学方法与教学手段
本课以课堂讲授为主,上机实习为辅,间之以案例教学、随堂练习和课后作业,
使学生既能掌握理论,也能动手操作,切实做到理论与实践相结合。课堂授课内容
突出了前瞻性、前沿性,上机实习环节使得学生有机会提升动手能力,解决复杂问
题的能力,突出了应用性人才培养的目标, 切实做到理论与实践相结合。
(三)学习要求
由于本课程实践性比较强,所以修读本课程须前期熟练掌握量化金融学(双
语)、投资学、金融学、计量经济学等基础知识。
考虑到本课程理论性较强,所以本课程的随堂练习和课后作业相对较多。学生
须课前预习,课后复习。任课老师不定期的安排随堂测验。
(四)实践环节要求
为保证学生能深刻的理解理论知识,本课程安排了若干计算机编程与模型的实
践环节,因此要求学生对先修课程《金融计算机语言》有熟练的掌握,需熟练使用
Python、Matlab 以及 R 语言,学生个人电脑中应安装这三种软件,便于完成随堂、
课后作业。
(五)教学中应注意的问题
因为本课程是理论性非常强的学科,因此要求学生对前期知识掌握熟练,有综
合运用前期知识的能力,学生学习该课程最终优秀与否,取决于对前期课程知识的
把握和熟练应用程度,因此在教学中任课老师因重点关注那些先修课程成绩不突出
的学生,避免这些学生因为前期基础不扎实而掉队,失去上课的热情和积极性。
三、各教学环节学时分配
以表格方式表现各章节的学时分配,表格如下:
教学课时分配
实验 其他 合计
第二章 监督学习导论
第三章 贝叶斯决策理论
第四章 参数模型与方法
第五章 多元模型与方法
第六章 降维技术
第十章 支持向量机理论
第十一章 隐马尔可夫模型
第十二章 增强学习
第十三章 机器学习实验的设计
与分析
合计
32
16
48
四、教学内容
第一章 导论
第一节 机器学习理论简介
第二节 机器学习理论的应用
1.学习联合
2.分类
3.回归分析
4.无监督学习
5.增强学习
本章是关于机器学习理论的导论章节,重点介绍了机器学习理论研究的重点以
及机器学习理论目前主流的研究学派。
教学难点与重点:让学生了解机器学习理论研究的主要研究任务和主要的三大
流派的研究方式、关注点是本章主要的讲授重点。教学难点是让学生理解机器学习
理论与统计学习理论的区别联系,以及和统计学、计量经济学的联系和区别。
课程的考核要求:
复习思考题:
剩余22页未读,继续阅读
资源评论
apple_51426592
- 粉丝: 9511
- 资源: 9659
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功