- Planificar problemas financeiros baseados em dados. - Solucionar problemas de gestão e otimização de carteiras de forma automatizada. - Identificar a relevância do uso de ferramentas de aprendizado de máquinas em finanças. - Produzir decisões em finanças com base na análise de dados (data driven decision making). - Extrair informação e conhecimento a partir de dados econômico-financeiros. - Apresentar os conceitos básicos das principais técnicas de inteligência artificial e machine learning para o tratamento, na área de finanças, de problemas de regressão/previsão, classificação e otimização. - Identificar o modelo/método mais adequado de machine learning para problemas envolvendo decisão em finanças. - Desenvolver projetos aplicados de inteligência artificial e machine learning. - Compreender problemas em finanças baseados em dados, produzir e justificar soluções computacionais e relatar resultados observados. - Organizar a apresentação de soluções de problemas em finanças baseadas em dados econômico-financeiros. - Implementar computacionalmente métodos de inteligência artificial e machine learning em finanças usando linguagens de programação como R ou Python.
Sistemas Inteligentes Inteligência Artificial e Machine Learning Aprendizado Supervisionado e Não Supervisionado Redes Neurais Artificiais em Finanças K-Nearest Neighbors em Finanças Algoritmos Genéticos em Finanças Aulas teóricas assíncronas e aulas práticas (discussão) síncronas.
Sistemas Inteligentes Inteligência Artificial e Machine Learning na análise de dados financeiros; Aprendizado supervisionado e não supervisionado. Redes Neurais Artificiais em Finanças Estrutura e funcionalidade; Treinamento e validação; Aplicações em finanças: previsão de séries econômico-financeiras. K-Nearest Keighbors em Finanças Problemas de classificação; Métricas de (dis)similaridade; Aplicações em finanças: avaliação de empresas e rating de crédito. Algoritmos Genéticos em Finanças Otimização e computação evolucionária; Operadores genéticos e processo evolucionário; Aplicações em finanças: otimização de carteiras de investimento. Outras técnicas de Inteligência Artificial e Machine Learning Redes Neurais Profundas (Deep Learning), Árvores de Decisão, Random Forest, Support Vector Machines.
Bibliografia Básica CARMONA, René. Statistical Analysis of Financial Data in R. 2 Ed. NY, US: Springer, 2014. DIXON, Mattew F.; HALPERIN, Igor; BILOKON, Paul. Machine Learning in Finance – From Theory to Practice. Switzerland: Springer, 2020. GERON, Aurelien. Mãos à Obra: Aprendizado de Máquina com Scikit-Learn, Keras & TensorFlow – Conceitos, Ferramentas e Técnicas para a Construção de Sistemas Inteligentes. 2 Ed. O’Reilly, 2019. HASTIE, Trevor; TIBSHIRANI, Robert; FRIEDMAN, Jerome. The Elements of Statistical Learning - Data Mining, Inference and Prediction. 2 Ed. New York: Springer, 2017. HILPISCH, Yves. Artificial Intelligence in Finance – A Python-Based Guide. US: O’Reilly, 2021. PRADO, Marcos L. Advances in Financial Machine Learning. Hoboken, NJ, US: John Wiley & Sons, 2018.
