Ort und Zeit
Vorlesung: Mi, 12-14 Uhr, HS II, Albertstr. 23b
Übung: 2-stündig, Termin wird noch festgelegt
Inhalt
In this lecture we will study new and highly efficient tools from machine learning which are applied to stochastic problems.
This includes neural SDEs as a generalisation of stochastic differential equations relying on neural networks, transformers as
a versatile tool not only for languages but also for time series, transformers and GANs as generator of time series and
a variety of applications in Finance and insurance such as (robust) deep hedging, signature methods and the application of
reinforcement learning.
Vorkenntnisse
Wahrscheinlichkeitstheorie. Für einige Teile wird zudem ein gutes Verständnis stochastischer Prozesse gebraucht. In der Vorlesung wird dazu eine (sehr) kurze Einführung gegeben, so dass es für schnell Lernende möglich ist, der Veranstaltung auch ohne die Vorlesung 'Stochastische Prozesse' zu folgen.
Verwendbarkeit
Wahlmodul im Optionsbereich (2HfB21)
Wahlpflichtmodul Mathematik (BSc21)
Mathematische Ergänzung (MEd18)
Angewandte Mathematik (MSc14)
Mathematik (MSc14)
Vertiefungsmodul (MSc14)
Wahlmodul (MSc14)
Elective in Data (MScData24)