Intervention at the round table « AI and medias: when everything is accelerating » at the Dauphine Digital Days held Nov 20-22 2023 at the Université Paris Dauphine – PSL, Paris, France.
Video version: from minute 09:00
Conference badge 🙂 
« Reinforcement learning in finance: online portfolio allocation and policy gradient approaches », NANMATH nov 2023
This is a talk presented at Nanmath conference held Nov 6-9 2023 at ICTP, Cluj..
Talk materials: 
the slides of the presentation.
Cours Deep Learning, M2 ISF App, 2020+
Responsable: Gabriel TURINICI (voir aussi les interventions de C. Vincent)
Contenu:
1/ Deep learning : applications majeures, références, culture
2/ Types d’approches: supervisé, renforcement, non-supervisé
3/ Réseaux neuronaux: présentation des objets: neurones, opérations, fonction loss, optimisation, architecture
4/ Focus sur les algorithmes d’optimisation stochastique et preuve de convergence de SGD
5/ Réseaux convolutifs (CNN) : filtres, couches, architectures
6/ Technique: back-propagation, régularisation, hyperparamètres
7/ Réseaux particuliers: réseaux récurrents (RNN) et LSTM; réseaux génératifs (GAN, VAE)
8/ Environnements de programmation pour réseaux neuronaux: Tensorflow, Keras, PyTorch et travail sur les exemples vus en cours
9/ Si le temps permet: NLP: word2vec and Glove: exemples d’utilisation : femme-homme+roi = reine
| Document principal pour les présentations théoriques (aucune distribution n’est autorisée sans accord ECRIT de l’auteur) | poly du cours de M1 – évolution (pour back-propagation) |
| Code approximation de fonctions par NN : version notebook, version py Resultats (approximation et convergence)     Le même après 5 fois plus d’époques   Référence « officielle » du code: https://doi.org/10.5281/zenodo.7220367 | Preuve convergence SGD (convergence proof english version) |
| Implementation keras/Iris | Autres implémentations: exemple « à la main » sans Keras ni tf ni pytorch : couches denses (bd=iris), version corrigée – autres implementations : cf. doc. |
VERSIONS 2020/22
NOTA BENE: Tous des documents sont soumis au droit d’auteur, et ne peuvent pas être distribués sauf accord préalable ECRIT de l’auteur.
petit sondage (8 min) sur l’IA et médecine: répondre ICI.
Gestion de risques et portefeuille M2 ISF 2020+
Responsable: Gabriel TURINICI
Contenu Rappels du cadre classique: critère moyenne-variance, Markowitz, CAPM / MEDAF
- 1/ Indices, portefeuilles optimaux, beta, arbitrage, APT
- 2/ Valuation de produits dérivés et probabilité risque neutre
- 3/ Trading de volatilité (si le temps permet: volatilité locale et implicite calibration, formule de Dupire)
- 4/ Assurance du portefeuille: stop-loss, options, CPPI, Constant Mix
En fonction du temps: introduction à l’allocation tactique à travers l’analyse et les indicateurs techniques
Bibliographie
- Z. Bodie, A. Kane A.J. Marcus « Investments » McGraw Hill 7th Edition 2008
- J.C. Hull « Options, futures and other derivatives », Pearson Prentice Hall 2006, 6th edition
- R.B. Litterman « Mordern investment management: an equilibrium approach », Goldman Sachs 2003
- R. Portait, P. Poncet « Finance de marché » Dalloz 2008
- P. Wilmott « Paul Wilmott introduces quantitative finance » John Wiley & and Sons, 2007
Documents (support de cours, autres documents, …)
NOTA BENE: Tous des documents sont soumis au droit d’auteur, et ne peuvent pas être distribués sauf accord préalable ECRIT de l’auteur.
| pour théorie de gestion de portefeuille « actions » classique (proba historique) | livre du cours de M1 Mouvement Brownien et évaluation d’actifs dérivés |
Autres ressources pour le cours :
- valuation de produits dérivés et probabilité risque neutre: exemple de hedge statique faible (options down&in)
« Reinforcement learning in finance: portfolio allocation, value functions and policy gradients flows », ACDSDE conference sept 2023
This is a talk presented at ACDSDE conference held Sept 28-30 2023 at the Romanian Academy (Iasi station), Octav Mayer Institute of mathematics.
Talk materials: the slides of the presentation.
« Deep conditional measure quantization », OL2A 2023 conference
This is a talk presented at OL2A: « International Conference on Optimization, Learning Algorithms and Applications 2023 », September, 27 – 29, 2023, Ponta Delgada (Portugal) 
Talk materials: the slides of the presentation.
« Diversity in deep generative models and generative AI », LOD 2023 conference
This is a talk presented at
Talk materials: the slides of the presentation.
IA générative et société, M1 gestion, Université Paris Dauphine – PSL, sept 2023
Conférence « IA générative et société », tenue le 21 sept 2023 devant la promo de M1 2023/24, Université Paris – Dauphine PSL, coordinatrice Aurore HAAS.
DOCUMENT PRINCIPAL : les slides en pdf, suivre le lien.
Autres documents :
« Reduced representation of non-linear manifolds », at « The Tenth Congress of the Romanian Mathematicians », Pitesti, June 30th- July 5th, 2023
Invited joint talk « Reduced representations of non linear manifolds: from reduced basis to (conditional) vector quantization of measures » at the Tenth Congress’s of the Romanian Mathematiciens held in Pitesti, Romania, June 30 to July 5th 2023
Conférence Medscif: « ChatGPT, l’IA ou la société en mutation »
Intervention à la conférence :slides