Работать с большими данными, применять машинное обучение и на их основе строить свои прогнозы или решать бизнес-задачи

Разбираться в финансовой отчетности компании, анализировать, искать лакуны и строить прогнозы

Инвест-платформа. Создание сервиса по формированию долгосрочного портфеля инвестора с использоыванием как классических подходов типа CAPM и Capital Growth Theory, так и современных методов построения портфеля (Follow-the-winner, Follow-the-loser)

AI Predict. Сезонное прогнозирование выручки банков и МФО на основе анализа биллингов по распознаванию документов

ZestFinance - сервис, использующий ML, чтобы помочь кредиторам оценить кредитный риск заемщика.

Инвест-планировщик. Поиск оптимального инвестиционного сценария, который будет соответствовать требованиям доходности и издержек. Проведение ежемесячной переоценки и дальнейшей ребалансировки при значительном отклонении портфеля от модельного

Проведение анализа финансовых рынков и отчетности, чтобы идентифицировать наиболее перспективные финансовые продукты и услуги для интеграции в платформу. Вы будете заниматься анализом финансовых рисков, прогнозированием трендов на фондовом рынке, оценкой бизнеса и инвестиционной привлекательности различных финансовых инструментов для обеспечения наибольшей ценности для пользователей платформы

Создание модели машинного обучения, которая анализирует большие объемы данных о финансовом поведении пользователей для предсказания их потребностей и предпочтений в финансовых продуктах. Вы будете работать над постановкой задач машинного обучения, предобработкой данных, выбором и оптимизацией моделей, а также интерпретацией результатов анализа для разработки персонализированных предложений

Финансовый и управленческий учет и отчетность — узнаете, как устроен учет и формируется отчетность в организациях, как читать и интерпретировать ее результаты. Научитесь анализировать финансовые отчеты, выявлять причины отклонений и оценивать эффективность систем бюджетирования. Также освоите методы оперативного управления денежными средствами и работу с дебиторской и кредиторской задолженностями

Оптимальное инвестирование — узнаете, как формировать оптимальный инвестиционный портфель и рассмотрите различные виды риска и способы их оценки. Соберете сбалансированные долгосрочные портфели, опираясь на классические алгоритмы (CAPM и Capital Growth Theory) и современные (Follow-the-Winner, Follow-the-Loser, Pattern-Machine Learning, Constant Rebalanced Portfolio), а также научитесь их комбинировать

Основы машинного обучения — узнаете, какие математические основы стоят за работой базовых алгоритмов машинного обучения: градиентного спуска, kNN, логистической регрессии, метода опорных векторов, градиентного бустинга и других. Основное внимание курса уделено алгоритму работы над ML-проектом: подготовке данных, запуску алгоритмов обучения с учителем и без учителя и оценке качества их работы. После рассмотрения работы отдельных алгоритмов будете объединять результаты их работы через градиентный бустинг

Финансовое моделирование — научитесь моделировать финансовое благополучие предприятия с помощью юнит-экономики. Будете моделировать операционную деятельность, прогнозировать финансовые показатели, оценивать бизнес и инвестиционную привлекательность, а также разрабатывать модели для инвестиционных проектов и оценки стоимости активов и капитала

Продвинутые методы ML — вы рассмотрите специализированные области машинного обучения: алгоритмы, позволяющие машинам понимать, интерпретировать и генерировать человеческий язык; как и когда для решения задач МО целесообразно использовать более мощные модели, работающие на принципах нейронных сетей; техники и инструменты для выявления аномалий: необычных паттернов или данных, которые отклоняются от нормы, что может указывать на важные события или ошибки

Инжиниринг данных — рассмотрите специфику хранения разных типов данных, методы их обработки и трансформации. Узнаете, как строится архитектура сбора данных, научитесь настраивать и автоматизировать процессы внутри компаний и готовить компанию к кратному масштабированию собираемых данных и обеспечивать безопасность этих процессов. Как правило, в крупных компаниях этой работой занимается отдельный специалист, поэтому в стартапах и средних компаниях настройка сбора данных может стать бутылочным горлышком, замедляющим или вредящим внедрению инструментов МО в бизнес-процессы

Какая визуализация результата вас бы заинтересовала?

Результаты эксперимента точности рекомендательной модели

Результаты статистического анализа

Благодарим за прохождение!

Александр Куликов

Доцент кафедры высшей математики и кафедры технологий цифровой трансформации МФТИ

Алексей Бычков

Преподаватель кафедры высшей математики МФТИ

Алексей Малышко

Technical Product Owner в Сбере

exCEO Unicorn Search, блокчейн-рекрутинговое агентство

Павел Богуш

Главный инженер по разработке в Сбере

Сергей Доронин