Метою кредитного модуля є формування у студентів здібностей розробляти та застосовувати моделі фінансових, геофізичних та соціально-економічних процесів та полів за допомогою теоретико-методологічних засад фінансової та системної математики, а також студенти мають оволодіти наступними компетентностями: Загальні: ЗК1 Здатність до абстрактного мислення, аналізу та синтезу. ЗК3 Здатність до пошуку, оброблення та аналізу інформації з різних джерел. Фахові: ФК4 Здатність оцінювати ризики, розробляти алгоритми управління ризиками в складних системах різної природи. ФК5 Здатність моделювати, прогнозувати та проєктувати складні системи і процеси на основі методів та інструментальних засобів системного аналізу. ФК6 Здатність застосовувати теорію і методи Data Science для здійснення інтелектуального аналізу даних з метою виявлення нових властивостей та генерації нових знань про складні системи. Програмні результати навчання: ПРН 2 Будувати та досліджувати моделі складних систем і процесів застосовуючи методи системного аналізу, математичного, комп’ютерного та інформаційного моделювання. ПРН 3 Застосовувати методи розкриття невизначеностей в задачах системного аналізу, розкривати ситуаційні невизначеності та невизначеності в задачах взаємодії, протидії та конфлікту стратегій, знаходити компроміс при розкритті концептуальної невизначеності. ПРН 5 Використовувати міри оцінювання ризиків та застосовувати їх при аналізі багатофакторних ризиків в складних системах. ПРН 6 Застосовувати методи машинного навчання та інтелектуального аналізу даних, математичний апарат нечіткої логіки, теорії ігор та розподіленого штучного інтелекту для розв’язання складних задач системного аналізу. ПРН 8 Здійснювати ідентифікацію та оцінювання параметрів математичних моделей об’єктів керування ПРН 12 Знати законодавчі акти щодо забезпечення захисту інтелектуальної власності, вимоги до дотримання установлених вимог при оформленні заявок з патентів на винаходи; дотримуватися академічної доброчесності 1.1. Зокрема, одержати такі практичні навички : • як кодувати в Python та R; • робота з науковими пакетами такими як NumPy, Scirit-Learn, Keras тощо; • розуміння як використовувати інструментарій аналізу даних Pandas; • як використовувати Python та R для вирішення реальних задач; • як влаштуватись на роботу data scientist; • як проводити глибокий аналіз інвестицій; • як будувати інвестиційні портфелі; • як розрахувати ризики та прибутки окремих цінних паперів; • застосування кращих практик роботи з фінансовими даними; • використання регресійного аналізу; • розуміння моделі ціноутворення капіталу; • порівняння цінних паперів за їх коефіцієнтом Шарпа; • моделювання за допомогою методу Монте-Карло; • вміння оцінювати опціони за допомогою формули Блека-Шоулза; • як невимушено влаштуватись на позицію розробника в фінансову установу.