Modul
Advanced Machine Learning and Data Science [M-WIWI-105659]
Leistungspunkte
9Turnus
Jedes SemesterDauer
1 SemesterSprache
EnglischLevel
4Version
1Verantwortung
Einrichtung
- KIT-Fakultät für Wirtschaftswissenschaften
Bestandteil von
Teilleistungen
Identifier | Name | LP |
---|---|---|
T-WIWI-111305 | Advanced Machine Learning and Data Science | 9 |
Erfolgskontrolle(n)
Due to the professor’s research sabbatical, the BSc module “Financial Data Science” and MSc module “Foundations for Advanced Financial -Quant and -Machine Learning Research” and the MSc module “Advanced Machine Learning and Data Science” along with the respective examinations will not be offered in SS2023. Bachelor and Master thesis projects are not affected and will be supervised.
Die Erfolgskontrolle erfolgt in Form einer Prüfungsleistung anderer Art. Die Abschlussnote wird auf der Grundlage der Zwischenpräsentationen während des Projekts, der Qualität der Implementierung, der schriftlichen Abschlussarbeit und einer Endpräsentation bewertet.
Qualifikationsziele
Nach einem erfolgreichen Projekt können die Studierenden:
- moderne Methoden des maschinellen Lernens zur Lösung eines datenwissenschaftlichen Problems auswählen und anwenden;
- sich in einem Team zielorientiert organisieren und ein umfangreiches Softwareprojekt im Bereich Data Science und Machine Learning zum Erfolg führen;
- ihre Data-Science- und Machine-Learning-Kenntnisse vertiefen
- ein finanzwirtschaftliches Problem mittels Data-Science und Machine-Learning-Algorithmen lösen.
Voraussetzungen
siehe T-WIWI-106193 "Advanced Machine Learning and Data Science".
Inhalt
Der Kurs richtet sich an Studenten mit einem Hauptfach in Data Science und/oder Machine Learning und/oder Quantitative Finance. Er bietet den Studierenden die Möglichkeit, praktische Kenntnisse über neue Entwicklungen im Spannungsfeld Finanzmärkte, Datenwissenschaft und des maschinellen Lernens zu erwerben. Das Ergebnis des Projekts soll nicht nur eine schriftliche Ausarbeitung sein, sondern die Implementierung von Methoden oder die Entwicklung eines Algorithmus im Bereich des maschinellen Lernens und der Datenwissenschaft. Typischerweise stammen Problemstellung und Daten aus Forschung und Innovation im Bereich des quantitativen Asset- und Risikomanagements.
Empfehlungen
Keine
Arbeitsaufwand
Gesamtaufwand für 9 Leistungspunkte: ca. 270 Stunden, die sich auf folgende Teile aufteilen: Kommunikation: Austausch während des Projekts: 30 h, Abschlusspräsentation: 10 h; Durchführung und Abschlussarbeit: Vorbereitung vor der Entwicklung (Problemanalyse und Lösungsentwurf): 70 h, Umsetzung der Lösung: 110 h, Tests und Qualitätssicherung: 50 h.