课程作业主要任务是对提供在阿姆斯特丹市收集的数据提供见解，以及编写算法，以改善Airbnb用户的体验。任务分为三个部分。在前两部分中，关注数据的数字部分。在最后一部分，专注于文本数据。

项目描述：小组作业的目标是预测给定的一条推文的表情符号，任务是开发一个基于自然语言处理的机器学习模型，以预测在给定的构成一条推文的文本块中使用了哪个单一的表情符号。 主要职责：对所给的数据进行广泛的预处理 ，以处理数据的非理想特征的所有方面，以实现最佳的分类性能。 成果：在教授的反馈中，小组作业中数据预处理所采取的步骤是合理的并被清楚地描述，并得到了该部分88.89%（16/18）的分数。

项目描述：金融公司/银行/保险公司的主要权限之一是确定吸收损失的资本，无论是出于监管目的（为了遵守监管机构）还是出于经济资本目的（作为公司生存）。需要考虑的一个方面是市场风险，即由于基础组件价值变化而造成财务状况损失的风险。 个人职责：探索、实施和比较不同的统计方法，以评估金融投资组合的关键财务风险衡量指标，同时考虑时间和组件的依赖性建模。重点是不同组件的联合统计建模。主要使用方差-协方差、历史模拟以及最大期望算法预测了所选股票投资组合的风险价值，并使用不同的回测方法进行回测。 主要成果：完成全部代码部分，实现了对所选投资组合的风险价值的预测和回测，实现EM算法对参数的估计，完成论文的主题本部分。结论是正态混合分布法能有效的克服时间和组件的依赖性，在市场风险变化幅度较大时能保持较好的风险价值预测准确性，预测准确性约为98.2%。