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

  • دقت و صحت مدل Model Accuracy and Precision

  • محاسبه بازیابی / حساسیت Recall / Sensitivity Calculation

  • محاسبه ویژگی Specificity calculation

  • محاسبه امتیاز F1 F1 Score calculation

  • محاسبه پشتیبانی Support calculation

  • میانگین معیارهای پیش‌بینی‌کننده Predictive Metrics averages

  • ایجاد کلاس‌های داده Creating Data classes

  • کدگذاری یک داغ (One Hot Encoding) One Hot Encoding

  • گزینه‌های تابع زیان Loss Function Options

  • گذر رو به جلو دسته‌ای Batch Forward Pass

  • آموزش انتشار به عقب (Back Propagation) Back Propagation training

  • ارائه پیش‌بینی Prediction Presentation

  • آموزش مدل Model Training

آزمایش مدل Model Testing

  • نمایش سیگنال‌های احتمال Displaying Probability Signals

  • آزمایش بصری مدل Visually testing the model

  • تکلیف Assignment

نتیجه‌گیری Conclusion

  • نتیجه‌گیری Conclusion

  • درس جایزه Bonus Lecture

نمایش نظرات

آموزش یادگیری ماشین MQL5 01: شبکه‌های عصبی برای معاملات الگوریتمی
جزییات دوره
8.5 hours
50
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
533
4.5 از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Joy D Moyo Joy D Moyo

طراح و توسعه دهنده سیستم های معاملاتی الگوریتمی

Latvian Trading Solutions Latvian Trading Solutions

معامله گران و توسعه دهندگان نرم افزار

Omega Joctan Omega Joctan

توسعه‌دهنده فول استک وب، علاقه‌مند به هوش مصنوعی و یادگیری ماشین