Vai al contenuto principale
Se prosegui nella navigazione del sito, ne accetti le politiche:
  • Condizioni di utilizzo e trattamento dei dati
Prosegui
x
e-Learning - UNIMIB
  • Home
  • My Media
  • Altro
Ascolta questa pagina con ReadSpeaker
Italiano ‎(it)‎
English ‎(en)‎ Italiano ‎(it)‎
 Login
e-Learning - UNIMIB
Home My Media
Percorso della pagina
  1. Area Economico-Statistica
  2. Corso di Laurea Magistrale
  3. Economia e Finanza [F1602M - F1601M]
  4. Insegnamenti
  5. A.A. 2025-2026
  6. 1° anno
  1. Machine Learning for Finance
  2. Introduzione
Insegnamento Titolo del corso
Machine Learning for Finance
Codice identificativo del corso
2526-1-F1602M003
Descrizione del corso SYLLABUS

Syllabus del corso

  • Italiano ‎(it)‎
  • English ‎(en)‎
Esporta

Obiettivi formativi

Conoscenza e capacità di comprensione:
Il corso si propone di fornire allo studente le competenze per un uso di Python e di fornire i concetti e gli strumenti fondamentali, basati su metodi computazionali, per rappresentare l’apprendimento, la conoscenza e il ragionamento in condizioni di incertezza.

Conoscenza e capacità di comprensione applicate:
Al termine del corso, lo studente sarà in grado di progettare e sviluppare strumenti software basati su tecniche di apprendimento automatico (machine learning) per risolvere semplici problemi di analisi di dati e supporto alle decisioni in presenza di informazione incerta o incompleta nel suo ambito di specializzazione.

Autonomia di giudizio:
Lo studente imparerà scegliere in modo autonomo gli strumenti e le tecniche più adatte tra quelle apprese per risolvere problemi pratici
di moderata complessità legati alla manipolazione e all'analisi di dati in ambito finanziario.

Abilità comunicative:
Lo studente svilupperà efficaci abilità comunicative nel contesto della programmazione e machine learning.
Sarà in grado di esprimere concetti tecnici relativi a codice, algoritmi e reti neurali artificiali in modo chiaro e comprensibile, sia oralmente che per iscritto.

Capacità di apprendere:
Lo studente svilupperà le competenze fondamentali per un apprendimento autonomo e continuo nel campo dell'analisi dei dati con tecniche di machine learning.
Sarà capace di acquisire rapidamente nuove conoscenze e abilità, di utilizzare risorse esterne per approfondire temi specifici di machine learning,
e di risolvere in modo indipendente problemi complessi attraverso l'applicazione dei principi appresi.

Contenuti sintetici

Il corso fornirà una approfondita competenza della programmazione in Python e una presentazione delle reti neurali come strumento disupporto alla analisi di dati finanziari.

Programma esteso

  • Introduzione all'ambiente PyCharm
  • Programmazione in Python:
    variabili e tipi di dati: bool, int, float, str, tuple, list, dict.
    espressioni aritmetiche, relazionali, e logiche.
    funzioni predefinite di base.
    istruzioni elementari: assegnamento, return, break, continue, import.
    istruzioni composte: if, for, while, with
    istruzioni di lettura e scrittura: input, print, file di testo
    funzioni e passaggio di parametri.
    libreria NumPy
    libreria Pandas
  • Reti neurali
    Il percettrone
    algoritmo di apprendimento del percettrone
    concetto di discesa del gradiente
    Il percettrone multistrato
    algoritmo di retropropagazione dell'errore
  • Reti neurali profonde (Deep Learning) Introduzione

Prerequisiti

Le conoscenze di tipo matematico e logico acquisite nella scuola superiore, Algebra lineare, e concetti base sugli algoritmi.

Metodi didattici

Lezioni frontali. Le lezioni si svolgono nei laboratori didattici per consentire agli studenti di applicare immediatamente i concetti spiegati.

Modalità di verifica dell'apprendimento

La verifica dell'apprendimento comprende una prova scritta. La prova si svolgerà nei laboratori didattici per valutare le abilità dello studente nell'utilizzo di Python e le sue competenze nella risoluzione di semplici problemi.

Testi di riferimento

Paul J. Deitel, Harvey M. Deitel, Introduzione a Python. Per l'informatica e la data science. Pearson, 2021 ISBN: 978-8891915924

Periodo di erogazione dell'insegnamento

Primo semestre

Lingua di insegnamento

Italiano

Sustainable Development Goals

ISTRUZIONE DI QUALITÁ
Esporta

Learning objectives

Knowledge and understanding:
The course aims to provide students with the skills to use Python and to provide the fundamental concepts and tools, based on computational methods, to represent learning, knowledge and reasoning under conditions of uncertainty.

Applied knowledge and understanding:
At the end of the course, the student will be able to design and develop software tools based on machine learning techniques to solve simple data analysis and decision support problems in the presence of uncertain or incomplete information in his/her field of specialization.

Making judgments:
The student will learn to independently choose the most suitable tools and techniques among those learned to solve practical problems of moderate complexity related to the manipulation and analysis of data in the financial field.

Communication skills:
The student will develop effective communication skills in the context of programming and machine learning.
He will be able to express technical concepts related to code, algorithms and artificial neural networks in a clear and understandable way, both orally and in writing.

Learning ability:
The student will develop the fundamental skills for autonomous and continuous learning in the field of data analysis with machine learning techniques.
He/she will be able to quickly acquire new knowledge and skills, to use external resources to deepen specific machine learning topics,
and to independently solve complex problems through the application of the principles learned.

Contents

The course will provide in-depth knowledge of Python programming and an introduction to neural networks as a tool to support the analysis of financial data.

Detailed program

  • Introduction to PyCharm:
  • Python programming:
    variables and data types (integers, decimals, booleans, lists, tuples, sets and maps)
    arithmetic, relational, and logical expressions
    basic function
    elementary instructions: assignment, return, break, continue, import
    compound statements: if, for, while, with
    reading and writing instructions: input, print, text file
    functions, parameter passing;
    classes;
    NumPy library;
    Pandas library;
    -Neural Networks: Perceptron, Perceptron Learning Algorithm, Gradient Descent Concept, Multilayer Perceptron, Backpropagation Algorithm
  • Deep Neural Networks: Introduction

Prerequisites

Mathematical-logical knowledge as acquired during high-school, linear algebra and basic concepts on algorithms.

Teaching methods

Frontal lessons. Lessons take place in computer science lab to allow students to immediately apply the concepts explained.

Assessment methods

Learning assessment includes a written exam. The exam will take place in the teaching laboratories to evaluate the student's skills in using Python and their competence in solving simple problems.

Textbooks and Reading Materials

Paul J. Deitel, Harvey M. Deitel, Intro to Python for Computer Science and Data Science. Pearson, 2020

Semester

First semester

Teaching language

Italian

Sustainable Development Goals

QUALITY EDUCATION
Entra

Scheda del corso

Settore disciplinare
INF/01
CFU
8
Periodo
Primo Semestre
Tipo di attività
Obbligatorio
Ore
56
Tipologia CdS
Laurea Magistrale
Lingua
Italiano

Staff

    Docente

  • AA
    Alessandro Avellone

Opinione studenti

Vedi valutazione del precedente anno accademico

Bibliografia

Trova i libri per questo corso nella Biblioteca di Ateneo

Metodi di iscrizione

Iscrizione manuale

Obiettivi di sviluppo sostenibile

ISTRUZIONE DI QUALITÁ - Assicurare un'istruzione di qualità, equa ed inclusiva, e promuovere opportunità di apprendimento permanente per tutti
ISTRUZIONE DI QUALITÁ

Non sei collegato. (Login)
Politiche
Ottieni l'app mobile
Powered by Moodle
© 2025 Università degli Studi di Milano-Bicocca
  • Privacy
  • Accessibilità
  • Statistiche