Форум Поща Карта на сайта Търсене Връзки Контакти
Начало Обучение Избираеми дисциплини Oбщ списък на избираемите дисциплини и практикуми Python за Fintech разработка    English
Факултет по математика и информатика - Python за Fintech разработка
Крайната оценка се формира на базата на текущ контрол, презентация и защита
 Лектори

доц. д-р Силвия Гафтанджиева и гл. ас. д-р Георги Пашев
Анотация

Дисциплината "Python за Fintech разработка" подготвя студентите за работа като Pythonразработчици във финансово-технологичния сектор. Курсът комбинира задълбочено изучаване наPython екосистемата за анализ на данни с практически умения за back-end разработка иколичествени методи за финансови приложения.

Занятията имат за цел да развият и практически навици по създаване на курсови проекти визучаваната област. Последното включва избор на проблем в областта на fintech, анализ на състо-янието на подходите и методите за неговото решаване, изготвяне на проектна документация, пуб-личната й защита и др.

Организацията на обучението е в съответствие с поставените цели и задачи, асамото обучение се провежда от висококвалифицирани преподаватели с компетенции впрофесионално направление 4.6. Информатика и компютърни науки.

Разбирането и усвояването на учебното съдържание на темите, включени впрограмата на дисциплината ще допринесат за постигане на очакваното отстудентите (след завършване на обучението) равнище на компетенции и умения вобластта, а именно: разбиране на спецификата на създаване на лингвистични средства,спец. за осигуряване на интелигентни интерфейси за системи за комуникация ‘човек– компютър’.

Учебната програма е публично (вкл. Интернет) достъпна за студенти икандидат-студенти.
ПРЕДВАРИТЕЛНИ ИЗИСКВАНИЯ
Студентите трябва да имат знания и умения, съответстващи на Държавнитеизисквания за средните училища в България по български език, както и да притежаватдобри познания в областта на създаването и ползването на програмни системи. Изискватсе също и добри познания по вероятности, статистика, дискретна математика, алгоритми иструктури от данни, и бази от данни в рамките на учебния план по специалността.
КОМПЕТЕНТНОСТИ (ПРИДОБИТИ ЗНАНИЯ И УМЕНИЯ
След успешното завършване на курса студентите ще владеят професионално Pythonза fintech приложения, ще имат практически опит с анализ на финансови данни, ще могатда работят с различни бази данни и системи за съхранение, ще разбират финансовитеконцепции и алгоритмичната търговия, и ще бъдат подготвени за работа в международенекип.
ТЕХНИЧЕСКО ОСИГУРЯВАНЕ НА ОБУЧЕНИЕТО
Всички лекции се представят под формата на мултимедийни презентации в зала,оборудвана с мултимедийна техника. Практическото обучение се провежда в модерникомпютърни лаборатории с осигурен (вкл. и безжичен) Интернет-достъп. Засамостоятелна работа студентите могат да ползват и компютърна зала със свободендостъп. Студентите имат възможност да получат консултации като се срещат лично спреподавателите в определени часове на всяка седмица, или виртуално – по всяко време врамките на 24 часа, използвайки университетската компютърна мрежа.
ТЕМАТИЧНО СЪДЪРЖАНИЕ НА УЧЕБНАТА ДИСЦИПЛИНА
А. ЛЕКЦИИ
Модул 1: Advanced Python и Data Science (8 часа)
- Работа с NumPy, Pandas и SciPy за анализ на финансови данни
- Асинхронно програмиране с asyncio за high-frequency trading
- Паралелна обработка на данни и оптимизация
- Python best practices и clean code в контекста на fintech приложения
Модул 2: Бази данни и съхранение (6 часа)
- Работа с Oracle Database за финансови транзакции
- MongoDB и NoSQL решения за big data анализ
- Оптимизация на заявки и индексиране
- Интеграция на различни storage решения
Модул 3: Количествени методи и финанси (6 часа)
- Анализ на времеви редове и финансово моделиране
- Risk management и portfolio optimization
- Machine learning за предсказване на пазарни тенденции
- Автоматизирана търговия и алгоритмични стратегии
Б. ПРАКТИЧЕСКА ЧАСТ
- Работа с реални финансови данни чрез Python библиотеки (6 часа)
- Имплементация на финансови алгоритми и стратегии (4 часа)
- Разработка на back-end системи с Oracle и MongoDB (6 часа)
- Създаване на цялостен fintech проект (4 часа)
УЧЕБНИ ДЕЙНОСТИ И МЕТОДИ НА ПРЕПОДАВАНЕ
Обучението включва лекции, лабораторни упражнения, периодичен контрол, устен иписмен изпит. На лекции се разглеждат основните теоретични концепции, допълнени отпрактически упражнения в лабораторни условия. Студентите разработват индивидуалнипроекти, които обогатяват и развиват с изучаването на всяка следваща тема от учебнатапрограма. Часовете за самоподготовка включват изучаване на учебното съдържание иработа със специализиран софтуер. Методите на преподаване включват интерактивнилекции с практически примери, лабораторни упражнения с актуални технологии, работапо проекти, симулиращи реални fintech решения.
НАЧИН НА ПРОВЕЖДАНЕ НА ИЗПИТА И ОТЧИТАНЕ НА ТЕКУЩОТО ОЦЕНЯВАНЕ
Крайната оценка се формира на базата на текущ контрол, презентация и защита накурсов проект, както и на устен изпит. Проектите включват работа с големи генеративниезикови модели, което допълва и укрепва практическите умения на студентите.Оценяването на курса се разпределя по следния начин: финалният проект съставлява 40%от общата оценка, практическите задачи допринасят с 30%, теоретичният тест има тежестот 20%, а активността на студента се оценява с 10%.
БИБЛИОГРАФИЯ

  I. Основна

  1. McKinney, W. (2022). Python for Data Analysis, 3rd Edition. O'Reilly Media
  2. Hilpisch, Y. (2021). Python for Algorithmic Trading. O'Reilly Media
  3. Yves Hilpisch. (2020). Artificial Intelligence in Finance. O'Reilly Media

II. Допълнителна

  1. Hull, J. C. (2020). Machine Learning in Business: An Introduction to the World of Data Science. CambridgeUniversity Press

III. Интернет-източници

  1. Xuhu Wan. "Python and Statistics for Financial Analysis.", https://www.coursera.org/learn/python-statistics-financial-analysis
  2. 365 Careers. "Python for Finance: Investment Fundamentals & Data Analytics.",https://www.udemy.com/course/python-for-finance-investment-fundamentals-data-analytics/
  3. Python Charmers. "Python for Finance.", https://pythoncharmers.com/training/python-for-finance/
  4. National University of Singapore. "Finance with Python.", https://www.aidf.nus.edu.sg/finance-with-python/
  5. Codecademy. "Analyze Financial Data with Python.", https://www.codecademy.com/learn/paths/finance-python
Актуално
Още новини
Архив на новините
O © 2024 ФМИ