Ce cours a pour but d'introduire les concepts fondamentaux de l'apprentissage par renforcement (RL), et de développer des cas d'application de RL pour l'évaluation d'options, le trading, et la gestion d'actifs.

A l'issue de ce cours, les étudiants seront capables - d'utiliser l'apprentissage par renforcement pour résoudre des problèmes classiques de la finance tels que l'optimisation de portefeuille, le trading optimal, l'évaluation d'options et la gestion du risque - de s'entraîner sur des exemples valables tels que le fameux Q-learning en utilisant des problèmes financiers - d'appliquer leurs connaissances acquises dans le cours à un modèle simple de dynamique de marché obtenu en utilisant l'apprentissage par renforcement comme projet de cours. Les prérequis sont les cours "Guided Tour of Machine Learning in Finance" et "Fundamentals of Machine Learning in Finance". Les étudiants sont censés connaître le processus lognormal et la manière dont il peut être simulé. La connaissance de l'évaluation des options n'est pas nécessaire mais souhaitable.