Informationen zu den Übungen und der Vorlesung Stochastic Machine Learning (WS 2020/2021)
Dozent: Prof. Dr. Thorsten Schmidt
Assistent: Lars Niemann, M.Sc.
Termin: Mo, Do 10–12 Uhr, SR 226, Hermann-Herder-Str. 10, ggf. als Online-Kurs
Übungen: 2-stündig n.V.
This lecture will be held in English. We meet on Monday, 2nd of November 10.15 via Zoom.
Meeting-ID: 853 3690 3384
Kenncode: Kolmogo21
Not all lectures will be recorded, but many of them will be available online.
Description
Machine Learning is one of the key technology in the recent developments in artificial intelligence. In this lecture we will look at the most recent developments and concentrate on a probabilistic perspective.
In particular we will study the reservoir computing paradigm, stochastic aspects of learning like GANs, new discretizations schemes of stochastic differential equations and many more.
A particular focus in the second half of the lecture will be on applications in Finance, like deep pricing, deep calibration and deep hedging.
Studien- und Prüfungsleistung
Die Anforderungen an Studien- und Prüfungsleistungen entnehmen Sie bitte dem aktuellen Modulhandbuch.
Übung
Es wird keinen klassischen Übungsbetrieb geben.
Um die Studienleistung zu erhalten muss in Gruppenarbeit ein Projekt bearbeitet werden. Dabei werden Konzepte des Machinellen Lernens
in praktischen Anwendungen studiert, und mithilfe von Keras in Python 3 umgesetzt.
Die Richtlinien für das Projekt sind:
- Finden sie sich in Gruppen von 4-6 Teilnehmern zusammen.
Beschäftigen sie sich frühzeitig mit der Themenauswahl. Sollten sie ein eigenes Thema vorschlagen, so muss dies bis zum 23.11.2020 geschehen. Rückmeldung ob ihr Thema angenommen wird, erhalten sie bis zum 25.11.2020.
- Bis zum 30.11.2020: Schreiben sie dem Assistenten eine E-Mail (Lars.Niemann[at]stochastik[dot]uni-freiburg[dot]de) mit folgendem Inhalt: Namen der Teilnehmer und die dazugehörigen Matrikelnummern, ausgewähltes Thema, Formulierung von Zielen und geplante Arbeitsverteilung.
- Bis zum 21.12.2020: Bereiten sie ein Dokument vor, um Probleme zu klären und einen Zwischenstand zu präsentieren.
Das Dokument soll ihren bisherigen Fortschritt aufzeigen. Gehen sie insbesondere auf die Erreichbarkeit ihrer Ziele ein, und welche Ziele sie gegebenenfalls ändern müssen. Teilen sie ihren Code im zur Vorlesung gehörenden Git.
- Bis zum 10.2.2021: Präsentieren sie ihre Arbeit in der Vorlesung. Sie bekommen dafür rechtzeitig einen Termin zugewiesen. Spätestens eine Woche vor ihrem Termin muss eine schriftliche Ausarbeitung des Projekts an den Assistenten gesendet werden. Fügen sie ihren verständlich kommentierten Code sowohl der Ausarbeitung, als
auch dem Git bei. Gehen sie in der Ausarbeitung auch auf den Projektprozess ein, und machen sie die Leistung der einzelnen Gruppenteilnehmer kenntlich.
Die Einhaltung der Richtlinien ist zwingend notwendig um die Studienleistung zu erhalten.
Themenauswahl
Based on this there are several extensions related to finance possible.
Literatur
Wird in der Vorlesung bekannt gegeben.
Sprechstunden
Bis auf Weiteres finden Sprechstunden Corona-bedingt nur individuell und online via BigBlueButton statt.