Έμβλημα Πολυτεχνείου Κρήτης
Το Πολυτεχνείο Κρήτης στο Facebook  Το Πολυτεχνείο Κρήτης στο Instagram  Το Πολυτεχνείο Κρήτης στο Twitter  Το Πολυτεχνείο Κρήτης στο YouTube   Το Πολυτεχνείο Κρήτης στο Linkedin
Προβολή ημερολογίου Προβολή ημερολογίου
Προβολή λίστας Προβολή λίστας
iCal - Εκδηλώσεις μήνα iCal - Εκδηλώσεις μήνα
iCal - Εκδηλώσεις 6 μηνών iCal - Εκδηλώσεις 6 μηνών
RSS - Εκδηλώσεις μήνα RSS - Εκδηλώσεις μήνα
RSS - Εκδηλώσεις 6 μηνών RSS - Εκδηλώσεις 6 μηνών

06
Απρ

Παρουσίαση μεταπτυχιακής εργασίας κ. Κουτσορινάκη Βασιλείου, Σχολή ΜΠΔ
Κατηγορία: Παρουσίαση Μεταπτυχιακής Εργασίας   ΜΠΔ  
Τοποθεσία
Ώρα06/04/2023 11:30 - 12:30

Περιγραφή:

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ

ΣΧΟΛΗ ΜΗΧΑΝΙΚΩΝ ΠΑΡΑΓΩΓΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ

Διοίκηση Επιχειρήσεων - Master in Business Administration ΜΒΑ

 

Ονοματεπώνυμο: Κουτσορινάκης Βασίλειος

Αριθμός Μητρώου: 2021019035

 

Θέμα

Τίτλος στα Ελληνικά: «Εφαρμογή μεθόδων τεχνητής νοημοσύνης στην αξιολόγηση αμοιβαίων κεφαλαίων»

Τίτλος στα Αγγλικά: «Application of artificial intelligence methods to the evaluation of mutual funds»

 

Εξεταστική Επιτροπή:

Επιβλέπων: Δούμπος Μιχαήλ

Πρώτο Μέλος: Ζοπουνίδης Κωνσταντίνος

Δεύτερο Μέλος: Γαγάνης Χρυσοβαλάντης

 

Περίληψη

Περίληψη της εργασίας στα Ελληνικά: Με τους όρους «τεχνητή νοημοσύνη» και « μηχανική μάθηση» αντικατοπτρίζεται ένα ευρύ φάσμα πρακτικών και μεθοδολογιών που έχουν αναπτυχθεί ραγδαία την τελευταία 20ετία και χρησιμοποιούνται σε όλο και περισσότερες πτυχές τόσο της επιστημονικής έρευνας, όσο και στην ανάπτυξη συστημάτων και εργαλείων της καθημερινότητας μας. Στην παρούσα εργασία θα γίνει αρχικά μια βιβλιογραφική ανασκόπηση προσεγγίζοντας θεωρητικά, και με βάση τις μέχρι τώρα έρευνες, το πως η τεχνητή νοημοσύνη και οι μέθοδοι μηχανικής μάθησης συμβάλουν σημαντικά στην λήψη αποφάσεων για επενδύσεις από εταιρείες «αμοιβαίων κεφαλαίων». Στο πρακτικό κομμάτι της εργασίας χρησιμοποιώντας δευτερογενή δεδομένα (πηγή kaggle.com) θα προσπαθήσουμε εφόσον επεξεργαστούμε τα αρχικά δεδομένα για τα αμοιβαία κεφάλαια της εν λόγω λίστας να εφαρμόσουμε τεχνικές μηχανικής μάθησης (κυρίως μέσω R) και να καταλήξουμε σε κάποιο/α μοντέλο/α που θα προσπαθούν να εκτιμούν το Rating του κάθε «αμοιβαίου κεφαλαίου» στην λίστα κατάταξης της Morningstar συνδυάζοντας κάποιες από τις μεταβλητές που υπάρχουν στα δεδομένα.

 

Ημερομηνία Εξέτασης

Ημέρα/Μήνας/Έτος: 6 Απριλίου 2023

Ώρα: 11:30

 

Χώρος Εξέτασης Αίθουσα: https://tuc-gr.zoom.us/j/2962959517?pwd=OUZkb09RNlRlVXBxQWp3TDhPWUl1dz09

 

Προσθήκη στο ημερολόγιό μου
© Πολυτεχνείο Κρήτης 2012