Skip to content

Freie Universität Bozen

Künstliche Intelligenz und finanzielle Entscheidungen (FIN III)

Semester 1 · 25407 · Master in Accounting und Finanzwirtschaft · 6KP · IT


- Dieser Kurs befasst sich mit der Anwendung von künstlicher Intelligenz (KI) in finanziellen Entscheidungsprozessen.
- Die Studierenden lernen Techniken des maschinellen Lernens unter Verwendung von R-Software auf mittlerem Niveau.
- Das Programm umfasst Vorhersagemodelle, Klassifizierung, Regression, neuronale Netze, Clustering und Dimensionalitätsreduktion.
- Die Lehrveranstaltungen kombinieren Vorlesungen, Tutorien, praktische Projekte und Expertengespräche.
- Die Bewertung basiert auf einer schriftlichen Prüfung, der Präsentation einer Arbeit mit generativer KI-Unterstützung und der Entwicklung eines Data-Science-Projekts.

Lehrende: Carlo Milani

Vorlesungsstunden: 36 Online
Laboratoriumsstunden: -
Anwesenheitpflicht: Die regelmäßige Teilnahme am Unterricht wird dringend empfohlen.

Themen der Lehrveranstaltung
Topics covered: · Introduction to general AI concepts · From big data to generative AI · Machine learning models · Data preparation and collection · Classification and regression models · Ensemble learning · Neural networks · Clustering · Dimensionality reduction A detailed program will be provided at the beginning of the course.

Unterrichtsform
A combination of lectures, exercises, projects, and guest speakers.

Bildungsziele
ILO (Intended Learning Outcomes) ILO 1 - Knowledge and Understanding: ILO 1.1 der Grundlagen der Unternehmensfinanzierung für die korrekte Anwendung von z. B. Entscheidungsfindungsmodellen und der Verwaltung von Finanzdaten und -risiken auf das Treasury-Management ILO 1.2 der Management- und Wirtschaftsmodelle der verschiedenen Arten von Intermediären, der Mikrostruktur der Märkte, der operativen Effizienz der Finanzmärkte und der Auswirkungen der Finanzmärkte auf die wirtschaftlichen Bedingungen der Intermediäre ILO 1.3 eines breiten Spektrums von Anlage-, Finanzierungs- und Risikomanagementinstrumenten, beginnend mit den Grundlagen der Portfoliodiversifizierung und den klassischen Modellen der Preisbildung für Vermögenswerte und der Risikomessung ILO 1.4 der spezifischen Finanzfragen, die den Beruf des Finanzanalysten, des Portfoliomanagers, des Chief Financial Officers (CFO), des Verwaltungsleiters, des Controllers, des Innenrevisors und des/der Unternehmensberaters/-beraterin kennzeichnen. ILO 2 - Applying knowledge and understanding: ILO 2.1 für die Ermittlung, Bewertung und Verwaltung von Investitionen auf den Finanzmärkten ILO 2.2 für die Formulierung kohärenter Finanzverwaltungsstrategien in Unternehmen oder Finanzintermediären, unter kompetenter Anwendung der in den Techniken des Risikomanagements, der Vermögensbewertung und der Behandlung von Derivaten erworbenen Kenntnisse ILO 3 - Making judgments: ILO 3.1 der Fähigkeit, bei der Analyse Modelle und empirische Evidenz der Unternehmen, der Intermediäre und der Finanzmärkte in Beziehung zu setzen ILO 4 - Communication Skills: ILO 4 Der Fähigkeit um welchen Empfänger und um welche kommunikativen und didaktischen Absichten es sich dabei handelt, durch den Gebrauch verschiedener Fachsprachen die spezifischen Inhalte der einzelnen Bereiche effizient mündlich und schriftlich zu kommunizieren und die Auswirkungen seiner Kommunikation zu beurteilen ILO 5 - Learning Skills: ILO 5.1 Fähigkeit ausgehend von den untersuchten Phänomenen allgemeine Modelle zu erarbeiten

Art der Prüfung
The final grade will be based on a combination of written exam, project works, and active participation in the course (presentations, case study discussions, active participation during guest lectures). ILOs 1-5 assessed

Bewertungskriterien
The assessment consists of four parts: 1) A written exam with multiple-choice questions on theoretical concepts discussed in the course. 2) Presentation and discussion of a paper on artificial intelligence, supported by generative AI. 3) Development of a data science project applied to the banking-financial sector. 4) Active participation during guest lectures (for attending students only).

Pflichtliteratur

Articoli, business cases, e altro materiale distribuito in aula e su OLE. 

Lantz, Brett (2019). "Machine Learning with R: Expert techniques for predictive modeling", 3rd Edition Packt Publishing. 



Weiterführende Literatur

Gosmar, Diego (2020). "Maschinelles Lernen: Das sechste Chakra der künstlichen Intelligenz".

Zusätzliches Material wird zu Beginn des Kurses bekannt gegeben.

.


Als PDF herunterladen

Ziele für nachhaltige Entwicklung
Diese Lehrtätigkeit trägt zur Erreichung der folgenden Ziele für nachhaltige Entwicklung bei.

9

Infoanfrage