#ЦМФ #Подкаст R и Python | Эконометрика и Data Science | ММАЭ МГУ и семинар Финансовая эконометрика

Подкаст ЦМФ о data science в прогнозировании финансовой отчётности: Ярослав Бологов, senior data scientist, преподаватель ЦМФ (и выпускник семинара «Финансовая эконометрика») 0:22 Кафедра ММАЭ ЭФ МГУ 1:52 Как пришел к data science 2:25 “До нас доходили там некие слухи, что существуют нейтронные сети и машинное облучение, но никто толком не знал, что это такое“ 2:42 “Andrew Ng - очень хороший человек, который даёт базовые понятия из машинного обучения, мягко погружает Вас в этот курс“ 3:42 Эконометрика vs. data science 4:20 “Если мы какие-то чуваки, которые сидят в Центробанке и мы хотим построить модель для российской макроэкономики“ 4:50 “Из недавних новостей: в московском метро собираются внедрять систему автоматических платежей, которая будет определять пассажиров по их лицам“ 5:59 R vs. Python 6:31 “Сейчас я вообще рекомендую начинать сразу с Питона, потому что он ненамного тяжелее в освоении, чем R, но зато все или по крайней мере подавляющее большинство всех решений в области data science и машинного обучения сейчас делаются именно на Питоне“ 6:51 Deloitte 8:12 Модель для предсказания отзыва банковских лицензий 9:51 “Даже показывали самим чувакам из Центробанка, которые сказали, что это очень интересно, что оказывается все их действия можно было бы предсказать“ 10:10 “Знания по финансам не менее необходимы, чем знания по data science, а даже иногда превосходят их по значимости“ 11:08 “Я ещё могу сказать, что это характерно не только для финансов, вообще, когда Вы строите какую-то модель машинного обучения, то как правило Вам нужно сначала погрузиться в ту область для которой эта модель будет применяться“ 11:33 “В четвёрке большие возможности, чтобы перейти работать зарубеж“ 12:04 “Я мог поехать в Мюнхен в фирму Porsche“ 12:21 “Мог поехать в Дубай“ 12:32 “И мог перейти в Сбербанк“ 13:15 “Я решил перейти в Сбербанк, чтобы продолжить заниматься своим любимым делом“ 13:24 Проект по прогнозированию финансовых показателей корпоративных заёмщиков 14:37 Какие методы используют 16:40 Прогноз отчетности vs. анализ качества отчетности 17:41 “К вопросу о том, насколько важно понимание финансов в моделях для финансовых показателей - достаточно важно“ 18:12 О развитии отрасли прогнозирования финансовой отчетности 18:52 “То, чем мы занимаемся - это больше data driven подход, в котором мы большой упор делаем именно на поиск зависимости в отчётности методами анализа данных“ 19:47 “Знания совершенствуются в основном в общении с другими людьми“ 20:31 “Захожу на Kaggle“ 21:10 “Эта профессия немного похожа на профессию таксиста“ 21:42 Основные навыки data scientist’а 24:29 “Data science - это то направление, которое будет актуально ближайшие десятки лет“ 25:36 Разработка vs. data science 25:50 “Специализация в одной какой-то конкретной области, если это, конечно, не data science, влечёт в себе риски того, что Ваша профессия будет вскоре автоматизирована“ 26:11 “Тем ребятам, которые являются разработчиками я бы посоветовал посмотреть на предмет того, чтобы подготовить для себя некий запасной аэродром“ 26:30 Долгосрочные планы 27:01 “Сначала семинар «Финансовая эконометрика» больше напоминал кружок по интересам, где каждый рассказывал что-то, что он недавно узнал, но со временем профессионализм участников рос, поднимались более серьёзные темы, появлялась некая системность, эти все рассказы объединялись в курсы и в результате у нас появилось несколько направлений «Количественная аналитика», «Анализ данных» и т.д.“ 27:45 “Я старался объяснить, как можно более понятно, что именно скрывается за той или иной моделью“ 28:30 “Самый большой плюс в преподавании - это прокачивает твои собственные навыки“ 29:23 Как работает нетворк ЦМФ 30:50 “Мало кто хочет себе брать в команду каких-то людей со стороны, по объявлению на хедхантере и т.д., всегда хочется взять какого-то проверенного человека“ 31:27 “В моей команде работает человек, который раньше ходил на мои лекции и ещё одна девушка работает в соседней“ 32:00 “У удалённой работы есть свои достаточно серьёзные ограничения, например, очень трудно развиваться, когда ты сидишь отдельно от остальной команды, ведь зачастую развитие и происходит именно из-за того, что вы общаетесь друг с другом“ 32:50 “Я бы посоветовал максимизировать своё присутствие на площадках, подобных ЦМФ“ Мини-курсы лекций Ярослава Бологова на ЦМФ: - по финансовой эконометрике: - по машинному обучению: Регистрация на программы «Количественная аналитика», «Анализ данных» и «Web3: DeFi & NFT-разработка» ЦМФ: #МГУ #ММАЭ #Kaggle #Andrew_Ng #Deloitte #машинное_обучение #эконометрика #МАШИННОЕ_ОБУЧЕНИЕ_В_ФИНАНСАХ #Центр_математических_финансов #ЦМФ #Финансовая_эконометрика #Финансовая_математика #Количественные_финансы #Количественная_аналитика #Data_Science #Анализ_данных #1_уровень #2_уровень #проекты #УNVRSTY #YNVRSTY