آموزش دوره جامع یادگیری ماشین در امور مالی - آخرین آپدیت

دانلود Guided Tour of Machine Learning in Finance

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: هدف این دوره ارائه یک دیدگاه جامع و مقدماتی از حوزه یادگیری ماشین (ML) با تمرکز ویژه بر کاربردهای آن در صنعت مالی است. در پروژه نهایی این دوره، از روش‌های یادگیری ماشین نظارت‌شده (Supervised Learning) برای پیش‌بینی ورشکستگی بانک‌ها استفاده می‌شود. این دوره به گونه‌ای طراحی شده که هم به صورت مستقل قابل گذراندن باشد و هم به عنوان پیش‌نیازی برای مباحث تخصصی‌تر در مجموعه‌دوره‌های «یادگیری ماشین و یادگیری تقویت‌شده در امور مالی» عمل کند. هدف اصلی این دوره، آشنایی با ماهیت یادگیری ماشین، کاربردهای آن و شناسایی مسائلی است که می‌توان آن‌ها را با استفاده از این تکنولوژی در دنیای مالی حل کرد. این دوره برای سه گروه از مخاطبان طراحی شده است: ۱. متخصصانی که در مؤسسات مالی مانند بانک‌ها، شرکت‌های مدیریت دارایی یا صندوق‌های پوشش ریسک (Hedge Funds) فعالیت می‌کنند. ۲. افرادی که علاقه‌مند به استفاده از یادگیری ماشین برای معاملات روزانه (Day Trading) شخصی هستند. ۳. دانشجویان رشته‌های مالی، آمار، علوم کامپیوتر، ریاضیات، فیزیک، مهندسی و سایر رشته‌های مرتبط که به دنبال یادگیری کاربردهای عملی ML در امور مالی هستند. برای تکمیل تکالیف این دوره، تسلط بر زبان برنامه‌نویسی پایتون (شامل کتابخانه‌های numpy، pandas و محیط Jupyter notebooks)، جبر خطی، تئوری احتمالات پایه و حساب دیفرانسیل و انتگرال ضروری است.

سرفصل ها و درس ها

هوش مصنوعی و یادگیری ماشین Artificial Intelligence & Machine Learning

  • پیام خوش‌آمدگویی Welcome Note

  • اهداف دوره تخصصی Specialization Objectives

  • پیش‌نیازهای دوره تخصصی Specialization Prerequisites

  • هوش مصنوعی و یادگیری ماشین، بخش اول Artificial Intelligence and Machine Learning, Part I

  • هوش مصنوعی و یادگیری ماشین، بخش دوم Artificial Intelligence and Machine Learning, Part II

  • یادگیری ماشین به عنوان پایه هوش مصنوعی، بخش اول Machine Learning as a Foundation of Artificial Intelligence, Part I

  • یادگیری ماشین به عنوان پایه هوش مصنوعی، بخش دوم Machine Learning as a Foundation of Artificial Intelligence, Part II

  • یادگیری ماشین به عنوان پایه هوش مصنوعی، بخش سوم Machine Learning as a Foundation of Artificial Intelligence, Part III

  • مقایسه یادگیری ماشین در مالی در مقابل تکنولوژی، بخش اول Machine Learning in Finance vs Machine Learning in Tech, Part I

  • مقایسه یادگیری ماشین در مالی در مقابل تکنولوژی، بخش دوم Machine Learning in Finance vs Machine Learning in Tech, Part II

  • مقایسه یادگیری ماشین در مالی در مقابل تکنولوژی، بخش سوم Machine Learning in Finance vs Machine Learning in Tech, Part III

مبانی ریاضی یادگیری ماشین Mathematical Foundations of Machine Learning

  • تعمیم‌پذیری و موازنه بایاس-واریانس Generalization and a Bias-Variance Tradeoff

  • قضیه عدم وجود ناهار رایگان The No Free Lunch Theorem

  • بیش‌برازش (Overfitting) و ظرفیت مدل Overfitting and Model Capacity

  • رگرسیون خطی Linear Regression

  • منظم‌سازی، مجموعه اعتبارسنجی و هایپرپارامترها Regularization, Validation Set, and Hyper-parameters

  • مروری بر یادگیری ماشین نظارت‌شده در امور مالی Overview of the Supervised Machine Learning in Finance

مقدمه‌ای بر یادگیری نظارت‌شده Introduction to Supervised Learning

  • جریان داده و تنسورفلو (TensorFlow) DataFlow and TensorFlow

  • اولین دموی تنسورفلو A First Demo of TensorFlow

  • رگرسیون خطی در تنسورفلو Linear Regression in TensorFlow

  • شبکه‌های عصبی Neural Networks

  • بهینه‌سازی گرادیان کاهشی Gradient Descent Optimization

  • گرادیان کاهشی برای شبکه‌های عصبی Gradient Descent for Neural Networks

  • گرادیان کاهشی تصادفی (SGD) Stochastic Gradient Descent

یادگیری نظارت‌شده در امور مالی Supervised Learning in Finance

  • رگرسیون و تحلیل سهام Regression and Equity Analysis

  • تحلیل بنیادی Fundamental Analysis

  • یادگیری ماشین به عنوان تخمین مدل Machine Learning as Model Estimation

  • تخمین بیشینه احتمال (MLE) Maximum Likelihood Estimation

  • مدل‌های طبقه‌بندی احتمالی Probabilistic Classification Models

  • رگرسیون لجستیک برای مدل‌سازی شکست بانک‌ها، بخش اول Logistic Regression for Modeling Bank Failures, Part I

  • رگرسیون لجستیک برای مدل‌سازی شکست بانک‌ها، بخش دوم Logistic Regression for Modeling Bank Failures, Part II

  • رگرسیون لجستیک برای مدل‌سازی شکست بانک‌ها، بخش سوم Logistic Regression for Modeling Bank Failures, Part III

  • یادگیری نظارت‌شده: جمع‌بندی Supervised Learning: Conclusion

نمایش نظرات

آموزش دوره جامع یادگیری ماشین در امور مالی
جزییات دوره
24h 23m
33
(آخرین آپدیت)
39,249
3.9 از 5
دارد
دارد
دارد
Chris Croft
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Chris Croft Chris Croft

مربی مدیریت، سخنران، نویسنده