Conoscenze di base di statistica e conoscenze di base di informatica.

L'obiettivo principale di questo corso è fornire un'introduzione di base all'intelligenza artificiale (AI) e al machine learning (ML) e deep learning (DL). Attraverso strumenti low-coding, gli studenti acquisiranno una comprensione pratica dei metodi insegnati, in particolare realizzando le proprie implementazioni di diversi metodologie. Il corso coprirà la classificazione e regressione supervisionata basata, ad esempio, su classificatori generativi/discriminativi così come l'apprendimento non supervisionato (clustering). Gli studenti riceveranno anche un'introduzione alle problematiche e sfide etiche legate alla ML/AI, e alle applicazioni di queste tecniche per risolvere specifici task nell'ambito finanziario (FinTech).
Una parte significativa del corso sarà dedicata all'utilizzo di questi strumenti per risolvere una serie di problemi economici reali.

Il corso si concentra sui fondamenti teorici, le tecniche, le metodologie e le applicazioni dell'intelligenza artificiale, al fine di contribuire alla diffusione e all'avanzamento delle conoscenze e delle competenze su questa materia e sulle sue applicazioni in ambito FinTech, promuovendo così l'innovazione tecnologica e favorendo lo sviluppo economico e sociale. In particolare, il corso tratterà i seguenti argomenti:
- Introduzione alle nozioni di Intelligenza Artificiale, Big Data, Machine Learning.
- Introdurre le conoscenze di base sugli algoritmi di Machine Learning.
- Introduzione ai differenti task nell'ambito finanziario che possono essere risolti tramite l'utilizzo di algoritmi di Machine Learning
-Laboratorio, Machine Learning in Python: Introduzione all'utilizzo di librerie Python per il Machine Learning
- Laboratorio, risolvere casi reali: esempi e applicazioni di questi algoritmi per risolvere casi d'uso reali.
- Conoscenze di base sul quadro dell'IA etica: robustezza, interpretabilità, equità e responsabilità.

• 1.  (C) Marcos Lopez de Prado Advances in Financial Machine Learning Wiley , New Jersey, 2018

Slide, Dispense, Esempi Codice python, Notebook interattivi

• - Lezioni frontali
  - Esercitazioni
  - Project work
  - Seminari

• La valutazione degli studenti consiste in due prove:
  - un project work, riguardante esercizi svolti durante il corso, da completare in gruppo o singolarmente;
  - una prova orale, consistente in domande di approfondimento sugli esercizi della prova scritta o su qualsiasi altro argomento trattato nel corso.
  Il project work è propedeutico alla prova orale, per accedere alla quale lo studente deve aver ottenuto almeno la sufficienza nella valutazione del project work.
  La prova orale deve essere sostenuta nello stesso appello del project work. Nel caso di esito negativo per la prova orale, lo studente deve ripetere anche il project work.

Inglese