First Finance

Machine learning pour la finance

Par First Finance

Objectifs

  • Connaître les différents types d’algorithmes de machine learning utilisables en finance
  • Connaître une méthodologie pour gérer un projet de Machine Learning
  • Pratiquer des outils de machine learning adaptés à la finance
  • Etudier des cas réels et concrets appliqués au secteur financier
  • Acquérir une « boîte à outil » concrète et facilement réutilisable

Programme

Le déroulé d’un projet de Machine Learning

  • Introduction
  • Présentation des outils et des bases de données
  • Checklist d’un projet de Machine Learning

Cas pratique

  • Checklist pour gérer un projet de machine learning

Les outils de base

  • La régression linéaire multivariée
  • Les modèles linéaires régularisés
  • La régression logistique
  • Le Naive Bayes
  • Les k plus proches voisins
  • Les k moyennes
  • La réduction de dimension

Cas pratiques

  • Première boîte à outil de base pour analyser un jeu de données
  • Présentation d’exemples

Les outils avancés

  • Les arbres de décisions
  • Les forêts aléatoires
  • Les séparateurs à vastes marges (SVM) linéaire
  • Les SVM non linéaires à noyau

Cas pratiques

  • Présentation des outils avancés avec les limites et les pièges
  • Présentation d’exemples

Les réseaux de neurones

  • Le perceptron multicouche
  • Les réseaux de neurones profonds
  • Réseaux de neurones avancés

Cas pratique

  • Présentation détaillée des réseaux de neurone

L’apprentissage par renforcement

  • Le principe de base et l’équation de Bellman
  • Le Q learning
  • La méthode acteur/critique

Cas pratiques

  • Introduction à l’apprentissage par renforcement
  • Présentation d’exemple

Exemple d’application

  • Le trading
  • Le stock picking et la gestion de portefeuille
  • Les produits dérivés actions
  • M&A
  • Le risque crédit

Cas pratiques

  • Présentation de cas réels avec les opportunités associés

Pédagogie

  • Mise en perspective des différentes méthodologies de machine learning avec leurs avantages et leurs limites
  • Aucune connaissance en informatique requise
  • Exclusivement basé sur des cas réels, récents, connus et pleinement adaptés au niveau des participants
  • Cas et supports avec corrigés détaillés
  • Terminologie en anglais fournie dans le pack

Formations de la même catégories (5)

Ambient IT
TensorFlowPar Ambient IT

TensorFlow est devenu en un temps record l’un des frameworks de référence pour le Deep Learning et l’Intelligence Artificielle, utilisé aussi bien dans la recherche qu’en entreprise pour des applications en production.

Formez-vous dès maintenant au Framework IA de Référence !

Avec 25K contributeurs, Tensorflow fait partie du TOP 10 des projets les plus suivi actuellement sur GitHub et vous allez découvrir dans cette formation que ce n’est pas un hasard ! Des milliers de personnes contribuent également à ses dépendances, comme Numpy, Pytest, etc.

Découvrez comment résoudre des problèmes difficiles de Machine Learning avec la nouvelle librairie Open Source Tensorflow, le système révolutionnaire de Google d’apprentissage profond. Cette formation pratique vous montre comment construire, et quand utiliser, des architectures d’apprentissage profond. Vous apprendrez comment concevoir des systèmes capables de détecter des objets dans des images, comprendre la parole humaine, analyser la vidéo et prédire certains phénomènes. Nous aborderons ces concepts à travers des exemples pratiques afin que vous puissiez utiliser cette technologie dans vos projets Big Data. La formation AI & Deep Learning avec Tensorflow abordera les réseaux de neurones (convolutional neural networks). Vous maîtriserez également les concepts clés tels que la fonction SoftMax, les réseaux neuronaux à code automatique (Autoencoder Neural Networks), les réseaux récurrents, la machine Boltzmann restreinte (RBM, Restricted Boltzmann Machine).

Comme dans toutes nos formations, celle-ci vous présentera la toute dernière version stable de TensorFlow 2.4, sortie en Janvier 2020 couplée à Python 3.9.

ENI SERVICE
Deep Learning – Mise en oeuvre du traitement des languesPar ENI SERVICE

Cette formation présente les fondamentaux du Deep Learning appliqués au traitement du langage ainsi que les principales techniques utilisées dans l'industrie. Les travaux pratiques s'appuieront sur des données réelles et présenteront des modèles récents. Certains points aborderont des sujets de recherche récents.

Tanit Formation
Machine learning - concepts et mise en oeuvrePar Tanit Formation

Cette formation présente les fondamentaux du Machine Learning ainsi que les principales techniques utilisées dans l'industrie. Les travaux pratiques s'appuieront sur des données réelles.

Ambient IT
Atelier Découverte sur le Deep Learning avec TensorflowPar Ambient IT

Un atelier sur le Deep Learning d’une journée conçu pour les développeurs. Aucune compétence en Python ni en Machine Learning n’est nécessaire pour faire cet atelier. Venez avec votre curiosité et votre envie d’apprendre

Pendant quelques heures, vous allez coder vous-même un réseau de neurones profond pour résoudre une problématique définie d’apprentissage supervisé. Vous allez commencer par coder chaque fonction en python et vous verrez de vos propres yeux comment fonctionne le deep learning sous le capot. Dans un deuxième temps, vous allez refactoriser votre code à l’aide de TensorFlow, la librairie de machine learning la plus utilisée du monde.

Le Machine Learning est un sujet passionnant et en plein essor. Mais pour les développeurs logiciels, ce n’est pas toujours évident de trouver le temps de se lancer dans l’apprentissage de ce domaine, surtout quand on est en poste. Cet atelier a été conçu pour vous faire découvrir les réseaux de neurones profonds et vous permettre de faire vos premiers pas dans ce domaine !

Le Deep Learning est l’une des techniques les plus populaires pour faire du Machine Learning et une journée est suffisante pour acquérir des bonnes bases et vous permettre de mieux structurer votre projet d’apprentissage du vaste domaine qui est le Machine Learning et l’intelligence artificielle.

Pendant quelques heures, vous allez coder vous-même un réseau de neurones profond pour résoudre une problématique définie d’apprentissage supervisé. Vous allez commencer par coder chaque fonction en python et vous verrez de vos propres yeux comment fonctionne le deep learning sous le capot. Dans un deuxième temps, vous allez refactoriser votre code à l’aide de Tensorflow, la librairie de machine learning la plus utilisée du monde.

La plupart de développeurs logiciels tombent dans l’erreur de se spécialiser dans l’utilisation d’un outil, sans connaître le comment et le pourquoi (don’t be a tools user !). Notre objectif n’est pas de vous apprendre à utiliser un outil ou une technologie, mais plutôt de vous faire comprendre la logique derrière celle-ci. Un ingénieur ML doit pouvoir implémenter avec différentes librairies et ne pas être dépendant d’un outil en particulier.

Comme toutes nos formations, celle-ci présentera la dernière version en date de l’outil à savoir TensorFlow 2.4.

ENI SERVICE
Deep Learning – Mise en oeuvrePar ENI SERVICE

Cette formation présente les fondamentaux du Deep Learning ainsi que les principales techniques utilisées dans l'industrie. Les travaux pratiques s'appuieront sur des données réelles et présenteront des modèles récents. Certains points aborderont des sujets de recherche récents.