help@sochisirius.ru
28 февраля-6 марта 2022

Машинное обучение в финансовых сервисах

Прием заявок для участия в конкурсном отборе открыт до 23 января 2022 года
По вопросам участия в программе просим обращаться по адресу cdpo@talantiuspeh.ru

О программе

В курсе рассказывается методология моделирования и бизнес-ориентированный взгляд на решение задач в кредитных рисках. Описывается универсальный подход к построению моделей машинного обучения. Рассматриваются примеры бизнес особенностей, которые влияют на построение модели и дальнейшее использование.

Цель: целью подготовки слушателей по программе является совершенствование и получение новых компетенций, необходимых для профессиональной деятельности специалиста в области рискового моделирования и кредитных рисков с точки зрения построения моделей машинного обучения или повышение профессионального уровня в рамках имеющейся квалификации.

Задачи:

1. научиться переводить запрос из бизнеса постановки в ML задачу;

2. изучить framework для разработки и валидации модели машинного обучения в области рискового моделирования;

3. освоить подходы к построению моделей машинного обучения для решения бизнес задач.

Язык преподавания: русский, часть литературы – на английском.

Участники и порядок отбора

К участию приглашаются студенты с уровнем образования: минимум -  4 курс бакалавриата/специалитета, максимум – 2 курс магистратуры.

Рекомендуемые направления обучения студентов: физико-математические, технические, информационные науки, экономика и финансы, а также смежные с ними направления.

Для освоения содержания дополнительной профессиональной программы слушатели должны владеть следующими знаниями и компетенциями:

  • знания основ бизнес-анализа и моделирования бизнес-процессов;
  • знание основ программирования и использование библиотек машинного обучения на языке Python;
  • знание основ машинного обучения;
  • базовых алгоритмов;
  • метрик валидации;
  • знание основ математической статистики и статистического анализа;
  • проверка гипотез;
  • интервальное оценивание;
  • описательные статистики;
  • навыки решения прикладных задач с применением информационных технологий и цифровых инструментов;
  • командной работы, принятия решений, эффективных коммуникаций;
  • уровень английского языка, достаточный для изучения дополнительных материалов по тематике информационных технологий на английском языке (рекомендуемый уровень: Intermediate и выше).

 

Форма организации отбора слушателей

Индивидуальный отбор.

Задания для проведения отбора слушателей:

Отбор производится по вступительному тестированию, резюме и мотивационному письму.

Тест

Примеры заданий:

  • Увеличение какого из гиперпараметров может привести к переобучению случайного леса?
  • Если коэффициент корреляции Пирсона между двумя случайными величинами равен нулю, их значения всё равно могут быть связаны друг с другом. Это утверждение верно?
  • Даны значения целевой переменной в обучающем файле: [0,0,0,1,1,1,1,1]. Чему равна энтропия переменной?
  • Имеется кортеж вида T = (4, 2, 3). Какая из операций приведёт к тому, что имя T будет ссылаться на кортеж (1, 2, 3)?
  • Для чего в Python используется встроенная функция enumerate()?
  • Какая гипотеза проверяется с помощью вычисления p-value для коэффициентов регрессии?

 

Резюме

Резюме должно в себя включать:

  • информацию о пройденных курсах по программированию на Python, Машинному обучению, Data Science;
  • информацию об участиях в соревнованиях по машинному обучению (Kagle, хакатоны и т.д.);
  • ссылку на GitHub репозиторий с примерами выполненных проектов;
  • опыт работы в области анализа данных/data science/машинного обучения.

 

Мотивационное письмо

Мотивационное письмо должно в себя включать:

  • опыт работы (стажировка\опыт работы в коммерческой компании, лаборатории, научная деятельность);
  • мотивацию к математическому моделированию в области Финансов и рисков.

 

Критерии отбора слушателей

Тест по темам (0-30 баллов):

  • статистика (от 0 до 10 блок);
  • программирование на Python (от 0 до 10 блок);
  • машинное обучение (от 0 до 10 блок).

Критерий начисления баллов за тест: от 0 до 10 баллов за каждый блок теста (статистика, python, машинное обучение).

Суммарное минимальное количество баллов для прохождения теста 12 баллов и не менее 4 баллов в каждом из блоков.

 

Экспертная оценка резюме (0-25 баллов). Критерии начисления дополнительных баллов:

  • наличие сертификатов о пройденных курсах соответствующего профиля или оконченный курс в рамках гос программы обучения (Изучение Python), 0-5 баллов;
  • наличие сертификатов о пройденных курсах соответствующего профиля (курсы по направлению Data Science) или оконченный курс в рамках гос программы обучения, 0-5 баллов;
  • участие в соревнованиях Kaggle, хакатонах, 0-5 баллов;
  • наличие ссылки на репозиторий с портфолио выполненных проектов с применением алгоритмов машинного обучения, в т.ч. учебных, 0-5 баллов;
  • наличие опыта работы в области анализа данных/машинного обучения/data science, 0-5 баллов.

 

Экспертная оценка мотивационного письма (0-10 баллов):

При проставлении баллов учитывается мотивация к изучению предметной области Финансов и рисков (0-10 баллов):

  • мотивация к изучению области опирается и раскрывается исходя из предыдущего учебного или профессионального опыта кандидата (6-10 баллов);
  • есть мотивация решения прикладных задач методами машинного обучения в коммерческой сфере (3-6 баллов);
  • имеется поверхностный интерес к теме (0-3 балла).

Техническим критерием для отбора участников на программу является соблюдение требований (участник является студентом очного обучения, возрастом 18 лет и старше, указанных курсов и направлений обучения). Данный критерий является обязательным, баллы за данный критерий не предусматриваются.

Суммарные значения результатов отображаются в итоговом рейтинге участников. 20 участников, продемонстрировавших наилучшие результаты и выполнивших общие (технические) требования к заявке, приглашаются на обучение по программе. Спорные вопросы решаются на уровне председателя экзаменационной комиссии по проведению вступительных испытаний.

Руководители и преподаватели программы

Бородин
Александр Валерьевич

к.ф.-м.н., руководитель направления аналитики и моделирования в финансах и рисках Glowbyte Advanced Analytics, выпускник ШАД Яндекса

Савинов
Артём Алексеевич

старший эксперт по моделированию кредитных рисков Glowbyte Advanced Analytics, Выпускник Механико-математического факультета МГУ, Академии больших данных MADE VK (Mail.group)

Партнёры

Технологические партнеры:

 ООО «ГлоуБайт»

Обеспечение возможности достижения планируемых результатов в соответствии с целями дополнительной профессиональной программы и получение участниками новых компетенций, заявленных в программе. Отвечает за общую организацию работы, реализует программу путем обеспечения участия преподавателей и экспертов в программе, создание структуры программы.

Условия участия

Всем, кто прошел конкурсный отбор и был приглашен на программу, необходимо привезти с собой один из следующих документов:

 

- сертификат о вакцинации (достаточно первого компонента вакцины) или справку о прохождении первого этапа вакцинации (на бумажном носителе);
- медицинский документ или сертификат о перенесенном заболевании из личного кабинета портала Госуслуг, со дня выздоровления не более 6 месяцев до заселения (на бумажном носителе);
- отрицательный результат ПЦР-теста (полученный не ранее, чем за 48 часов до заселения) и обязательно добровольное согласие на прохождение вакцинации в течение трех дней со дня вселения. Обратиться в прививочный пункт необходимо самостоятельно.

 

А также справку с места учебы, взятую не ранее, чем за 3 месяца до начала образовательной программы

По приезде в Университет участникам образовательного модуля следует предоставить оригиналы указанных документов во время регистрации участников.

АНО ВО «Университет «Сириус» обеспечивает проживание, проезд / перелет по территории РФ и питание для участников программы.

Плата за обучение на программе не взимается.

К участию в программе допускаются только граждане РФ.

Подать заявку
© 2015–2022 Фонд «Талант и успех»
Нашли ошибку на сайте? Нажмите Ctrl(Cmd) + Enter. Спасибо!