🔔 با توجه به بهبود نسبی اینترنت، آمادهسازی دورهها آغاز شده است. به دلیل تداوم برخی اختلالات، بارگذاری دورهها ممکن است با کمی تأخیر انجام شود. مدت اشتراکهای تهیهشده محفوظ است.
لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش یادگیری ماشین MQL5 01: شبکههای عصبی برای معاملات الگوریتمی
- آخرین آپدیت
دانلود MQL5 MACHINE LEARNING 01: Neural Networks For Algo-Trading
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
یادگیری ماشین و شبکههای عصبی در معاملات الگوریتمی با MQL5: مقدمهای جامع
دورههای آموزشی
مقدمهای بر یادگیری ماشین و کاربرد شبکههای عصبی در معاملات الگوریتمی با MQL5
مقدمهای بر علم داده
مقدمهای بر هوش مصنوعی
مقدمهای بر یادگیری ماشین
کدنویسی شبکههای عصبی در MQL5
آموزش شبکههای عصبی در MQL5
پیشنیازها
دانش مقدماتی MQL5
در این دوره، هدف اصلی ما آشنایی شما با دنیای یادگیری ماشین با استفاده از شبکههای عصبی در قدرتمندترین زبان معاملاتی الگوریتمی، یعنی MQL5 است. هدف ما این است که پایهای محکم از اصول و مفاهیمی که برای توسعه نرمافزارهای خودبهینهساز نیاز دارید را به شما ارائه دهیم؛ نرمافزارهایی که همانند مغز انسان از دادهها یاد میگیرند.
این دوره برای مبتدیان کامل یادگیری ماشین طراحی شده است. هیچ دانش قبلی از آمار، جبر خطی یا درک پیچیده ریاضی مورد نیاز نیست. همه چیز به سادهترین شکل ممکن آموزش داده میشود و تمام فرآیندها و محتوا بدون کاستن از ارزش یا تأثیر آنها بر یادگیری شما، سادهسازی خواهند شد.
در این دوره، ابتدا شما را با علم داده و ارتباط آن با هوش مصنوعی و یادگیری ماشین آشنا میکنیم. سپس نگاهی دقیقتر به یادگیری ماشین و انواع مدلهای مورد استفاده در فرآیندهای یادگیری ماشین خواهیم داشت. در ادامه، به طور خلاصه شما را با دنیای شبکههای عصبی، انواع شبکههای عصبی که معمولاً در معاملات الگوریتمی استفاده میشوند و فرآیندهای مربوط به طراحی یک مدل شبکه عصبی آشنا خواهیم کرد.
برای درک مفاهیم و فرآیندهای مربوط به محاسبات، آموزش و پیشبینی شبکههای عصبی، یک شبکه عصبی بسیار ساده را از ابتدا در اکسل میسازیم و آن را برای شناسایی سیگنال خرید از شاخص RSI و میانگین متحرک آموزش میدهیم. این کار در کمک به شما برای درک پایه و اساس یادگیری نظارت شده با شبکههای عصبی بسیار مفید خواهد بود و به شما امکان میدهد فرآیند کدنویسی MQL5 را با سهولت دنبال کنید.
در این دوره، برای ذخیره بیشتر دادههای خود از انواع دادههای ماتریس و بردار به جای آرایههای ساده استفاده خواهیم کرد. بنابراین، شما را با این انواع دادههای جدید از ابتدا، با بررسی نحوه اعلام، مقداردهی اولیه و دستکاری آنها، آشنا خواهیم کرد.
سپس یک شبکه عصبی را از ابتدا در MQL5 کدنویسی میکنیم که هدف آن یافتن الگوهای پنهان در شاخصهای RSI و باندهای بولینگر است که نشاندهنده بازار صعودی یا نزولی هستند. این کار را با آموزش شبکه عصبی خود با استفاده از پسانتشار برای شناسایی و طبقهبندی بازار به کلاسهای صعودی و نزولی انجام خواهیم داد.
با ما در این دوره همراه شوید و آماده باشید تا از قدرت شگفتانگیز شبکههای عصبی شگفتزده شوید. این دوره برای افراد ترسو نیست، بلکه برای کسانی است که جرأت کاوش در مرزهای بیپایان هوش مصنوعی را دارند. خود را برای چالش، غرق شدن و مجذوب شدن آماده کنید، زیرا وارد این ماجراجویی فکری میشوید.
پس همین حالا روی دکمه ثبتنام کلیک کنید و کنجکاوی خود را آزاد کنید!
سرفصل ها و درس ها
مروری بر یادگیری ماشین
Overview of Machine learning
علم داده، هوش مصنوعی و یادگیری ماشین
Data science, Artificial intelligence and Machine learning
انواع یادگیری ماشین
Types of Machine learning
مقدمه ای بر شبکههای عصبی
Introduction to Neural Networks
معماری شبکه عصبی پیشخور
Feed Forward Neural Network Architecture
مقدمه ای بر شبکههای عصبی
Introduction to Neural Networks
گذر رو به جلو (Forward Pass) در یک صفحه گسترده
ForwardPass on a spreadsheet
خطای میانگین مربعات در یک صفحه گسترده
Mean squared error on a spread sheet
گذر رو به عقب (Backward Pass) در یک صفحه گسترده
Backward pass on a spread sheet
نزول گرادیان در یک صفحه گسترده
Gradient descent on a spread sheet
انواع داده برداری و ماتریسی
Vector and Matrix Datatypes
جبر خطی، بردارها و ماتریسها
Linear Algebra, Vectors and Matrices
اعلان ماتریسها و بردارها
Declaring Matrices and Vectors
مقداردهی اولیه ماتریسها و بردارها
Initializing Matrices and Vectors
کپی کردن دادهها در ماتریسها و بردارها
Copying Data into Matrices and Vectors
کپی کردن دادههای سری زمانی در ماتریسها و بردارها
Copying Timeseries Data into Matrices and Vectors
عملیات ماتریسها و بردارها
Matrices and Vector Operations
دستکاری ماتریسها
Manipulating Matrices
جمع آوری دادهها
Data Collection
معماری شبکه عصبی
Neural Network Architecture
پارامترهای عمومی EA
General EA parameters
تنظیم فاصله زمانی محاسبه زنده
Setting the Live calculation interval
ایجاد مخازن داده
Creating Data Vessels
مقداردهی اولیه هندلها
Initializing Handles
جمع آوری دادههای شاخص
Collecting indicator Data
نرمال سازی دادهها
Data Normalization
مقداردهی اولیه وزنها و بایاس
Initializing Weights and Bias
گذر رو به جلو
Forward Pass
تبدیل ماتریسها به بردارها
Converting Matrices to Vectors
تبدیل بردارها به ماتریسها
Converting Vectors to Matrices
محاسبات نورون
Neuron Calculations
تابع گذر رو به جلو
Forward Function
آموزش شبکه عصبی
Neural Network Training
جستجوی الگوها
Searching for Patterns
حذف یک ایندکس از یک بردار
Removing an index from a Vector
حذف سطرها و ستونهای ماتریس
Removing Matrix Rows and Columns
اعلان ماتریس سردرگمی
Confusion Matrix Declaration
پر کردن ماتریس سردرگمی
Populating the Confusion Matrix
نمایش نظرات