• Edizioni di altri A.A.:
  • 2021/2022
  • 2023/2024
  • 2024/2025
  • 2025/2026

  • Lingua Insegnamento:
    Italiano 
  • Testi di riferimento:
    Appunti dalle lezioni del docente 
  • Obiettivi formativi:
    Introdurre i principi base dell'intelligenza artificiale applicata alla finanza.

    RISULTATI DI APPRENDIMENTO ATTESI

    CONOSCENZA E CAPACITÀ DI COMPRENSIONE:

    Alla fine dell’insegnamento lo studente dovrà:
    -) comprendere cosa sono le reti neurali;;
    -) capire le differenze tra i diversi principi base;
    -) conoscere i più importanti modelli.

    CONOSCENZA E CAPACITÀ DI COMPRENSIONE APPLICATE:

    Alla fine dell’insegnamento lo studente dovrà essere in grado di:
    -) capire se un certo problema può essere risolto con una certa tecnica;
    -) formalizzare un problema;
    -) operare nell'ambito dell'intelligenza artificiale in finanza.

    ABILITÀ DI COMUNICAZIONE:

    Alla fine dell’insegnamento lo studente dovrà essere in grado di esporre i concetti appresi, utilizzando un linguaggio corretto e preciso.

    CAPACITÀ DI APPRENDERE:

    Alla fine dell’insegnamento lo studente dovrà essere in grado di leggere testi e articoli di ricerca di intelligenza artificiale applicata alla finanza. 
  • Prerequisiti:
    Nessuno. 
  • Metodi didattici:
    Lezioni frontali in aula. 
  • Modalità di verifica dell'apprendimento:
    Progetto. 
  • Sostenibilità:
    Non tratta tematiche riconducibili alla sostenibilità ambientale. 
  • Altre Informazioni:
    E-mail: parton@unich.it.
    Cellulare di riferimento: 349-5323-199. 

-) Introduzione al machine learning;
-) introduzione alle reti neurali;
-) introduzione all'apprendimento per rinforzo;
-) esempi di problemi in finanza affrontabili con l'intelligenza artificiale;
-) introduzione a Python+Keras;
-) implementazione degli esempi in Keras.

-) Introduzione al machine learning;
-) introduzione alle reti neurali;
-) introduzione all'apprendimento per rinforzo;
-) esempi di problemi in finanza affrontabili con l'intelligenza artificiale;
-) introduzione a Python+Keras;
-) implementazione degli esempi in Keras.

Avvisi

Nessun avviso in evidenza

Documenti

Nessun documento in evidenza

Scopri cosa vuol dire essere dell'Ud'A

SEDE DI CHIETI
Via dei Vestini,31
Centralino 0871.3551

SEDE DI PESCARA
Viale Pindaro,42
Centralino 085.45371

email: info@unich.it
PEC: ateneo@pec.unich.it
Partita IVA 01335970693

icona Facebook   icona Twitter

icona Youtube   icona Instagram