• Einführung in die Programmierung mit Python
• Einführung in das Reinforcement Learning
• Methoden der Funktionsapproximation
• Gängige Algorithmen des Reinforcement Learning
• Trainieren künstlicher Agenten bei wirtschaftlichen Entscheidungsprozessen
• Entwicklung automatisierter Tradingstrategien

Studierende erlangen ein grundlegendes Verständnis für die Modellierung von sequentiellen Entscheidungsprozessen und können diese auf wirtschaftliche Entscheidungsprozesse adaptieren. Zudem verstehen Studierende auf welche Art künstliche Intelligenz beim Treffen dieser Entscheidungen verwendet wird und wie diese eingesetzt werden kann. Studierende haben anhand des Beispiels Trading die Möglichkeit gängige Algorithmen zu verwenden und eigene automatisierte Strategien zu entwickeln.