Atelier – Finance et assurance

13-17 mai 2019 | MONTRÉAL (Anglais)

10-14 juin 2019 | MONTRÉAL (Français, membres seulement)

À propos

Sommaire

L’atelier thématique Fin-ML/IVADO est une formation pratique d’une semaine en apprentissage machine, appliquée à des problèmes concrets en finance et assurance. Cet atelier sera composé de théorie le matin, suivi d’ateliers de résolution de problèmes en finance et assurance en après-midi.

Les participants devront amener leurs ordinateurs portables pour la partie pratique, aucune installation particulière n’est requise.

Objectifs des ateliers

  • Former les professionnels et les étudiants dans les nouvelles technologies en sciences des données, de l’apprentissage automatique et de la recherche opérationnelle;
  • Développer une compréhension des défis et enjeux des sciences des données appliquées à un domaine spécifique;
  • Apprendre à utiliser les outils informatiques afin de résoudre des problèmes concrets;
  • Favoriser le partage de connaissances et faciliter le réseautage entre les spécialistes d’un domaine particulier;
  • Encourager le partage de connaissances interdisciplinaire.

Pré-requis

Des connaissances de base en mathématique et en programmation (idéalement Python) sont fortement recommandées.

Organisateurs

  • Manuel Morales, Université de Montréal
  • Rheia Khalaf, Université de Montréal / IVADO
  • Brian Moore, IVADO

Contact

Pour toutes questions, n’hésitez pas à nous contacter à l’adresse courriel suivante : formations@ivado.ca.

Date et lieu

13-17 mai 2019 : L’atelier se tiendra en anglais à la salle HEC Montréal (PWC, Côte Ste-Catherine).

10-14 juin 2019 : L’atelier se tiendra en français à la salle HEC Montréal (PWC, Côte Ste-Catherine).

Programme

Introduction à l’apprentissage automatique

HORAIRE :

09:00 – 09:30 : Inscription et déjeuner léger

09:30 – 12:30 : Théorie

  • Introduction: Régression et régression logistique: les approches en apprentissage automatique vs approches statistiques
  • Type d’apprentissage : supervisé, non-supervisé et par renforcement
  • Bonnes pratiques : Sur-apprentissage
  • Bonnes pratiques : Validation croisée et plan d’expérience

12:30 – 13:30 : Dîner (inclus)

13:30 – 16:30 : Tutoriel

  • Présentation des environnements : Python, Keras, Pytorch.
  • Quelques exemples illustratifs

Deux pauses à 11:00 et 15:00

Apprentissage supervisé et non-supervisé

HORAIRE :

09:00 – 09:30 : Inscription et déjeuner léger

09:30 – 12:30 : Théorie

  • Introduction : Problème de Classification
    • Approches classiques : SVM, Forêts aléatoires, etc
    • Approches modernes : réseaux de neurones
    • Bonnes pratiques
  • Introduction : Problème de clustering
    • Approches classiques : K-means
    • Approches modernes : Embeddings

12:30 – 13:30 : Dîner (inclus)

13:30 – 16:30 : Tutoriel

  • Tutoriel Keras : Exploration des données en assurance

Deux pauses à 11:00 et 15:00

Réseaux de neurones

HORAIRE :

09:00 – 09:30 : Inscription et déjeuner léger

09:30 – 12:30 : Théorie

  • Introduction : Problèmes de prévision
  • Perceptrons multicouches
  • Introduction au réseaux récurrents (RNN)
  • Bonnes pratiques

12:30 – 13:30 : Dîner (inclus)

13:30 – 16:30 : Tutoriel

  • Étude de cas : Exploration des données en finance

Deux pauses à 11:00 et 15:00

Introduction au traitement automatique des langues naturelles (TALN, NLP)

HORAIRE :

09:00 – 09:30 : Inscription et déjeuner léger

09:30 – 12:30 : Théorie

  • Traitement de texte
  • Analyse de sentiment : Application de réseaux constitutionnels (CNN)
  • Embeddings et détection d’anomalies : Modèles génératifs (GAN)

12:30 – 13:30 : Dîner (inclus)

13:30 – 16:30 : Tutoriel

  • Étude de cas : Détection de pourriel (i.e. spam) et analyse de sentiments

Deux pauses à 11:00 et 15:00

Apprentissage par renforcement

HORAIRE :

09:00 – 09:30 : Inscription et déjeuner léger

09:30 – 12:30 : Théorie

  • Introduction : Apprentissage par renforcement

12:30 – 13:30 : Dîner (inclus)

13:30 – 16:30 : Tutoriel

  • Étude de cas : Apprentissage par renforcement en finance

Deux pauses à 11:00 et 15:00