یادگیری ماشینی برای امور مالی [ویدئو]

سرفصل ها و درس ها

درک داده های مالی، EDA، و مهندسی ویژگی Financial Data Understanding, EDA, and Feature Engineering

• بررسی اجمالی دوره The Course Overview

• تجسم، EDA، و مهندسی ویژگی داده های مالی Visualization, EDA, and Feature Engineering of Financial Data

• ویژگی های داده های سهام Features of the Stock Data

• تجزیه و تحلیل تک متغیره و دو متغیره داده ها Univariate and Bivariate Analysis of Data

• استخراج میانگین متحرک و ویژگی های مبتنی بر RSI Deriving Moving Average and RSI Based Features

• پاکسازی داده ها و تشخیص بیرونی Data cleaning and Outlier Detection

• ایجاد ویژگی ها و متغیر مستقل Creating the Features and Independent Variable

• داده ها را برای مدل سازی آماده کنید Prepare Data for Modeling

پیش بینی ارزهای فارکس با ساخت یک مدل خطی Predicting the FOREX Currencies by Building a Linear Model

• شهود رگرسیون خطی Linear Regression Intuition

• درک اطلاعات بازار فارکس Understanding of FOREX Markets Data

• پیش پردازش داده های ارز فارکس برای ورودی مدل Pre-Process FOREX Currency Data for Model Input

• ساخت مدل رگرسیون خطی Building the Linear Regression Model

• R-Squared و Adjusted R-Squared به عنوان یک متریک عملکرد R-Squared and Adjusted R-Squared as a Performance Metric

• اهمیت آزمایش ویژگی ها با استفاده از p-value و VIF The Testing Significance of Features by Using p-value and VIF

• تنظیم فراپارامتر و انتخاب مدل نهایی Hyperparameter Tuning and Final Model Selection

تکنیک های یادگیری ماشینی مبتنی بر درخت برای پیش بینی سهام Tree-Based Machine Learning Techniques for Stock Prediction

• شهود درختان تصمیم Decision Trees Intuition

• معیار آنتروپی و کسب اطلاعات برای ساخت درخت Entropy and Information Gain Criterion for Tree Construction

• ساخت یک مدل مبتنی بر درخت تصمیم برای پیش‌بینی قیمت سهام Building a Decision Tree-Based Model for Predicting Stock Prices

• آموزش با استفاده از حداکثر عمق مختلف Train Using Different Max Depth

• شهود تصادفی جنگل Random Forest Intuition

• برای پیش‌بینی قیمت سهام، یک رگرسیون جنگل تصادفی بسازید Build a Random Forest Regressor for Predicting Stock Prices

• تقویت و مدل رگرسیون مبتنی بر XGBoost برای پیش بینی سهام Boosting and XGBoost Based Regression Model for Stock Prediction

مبانی و شهود شبکه های عصبی مصنوعی Artificial Neural Networks Basics and Intuition

• شبکه عصبی چیست What a Neural Network Is

• فید فوروارد در شبکه های عصبی Feed Forward in Neural Networks

• گرادیان نزول در شبکه های عصبی Gradient Descent in Neural Networks

• انتشار برگشتی در شبکه های عصبی Back Propagation in Neural Networks

• تابع اتلاف در شبکه های عصبی Loss Function in Neural Networks

• فراپارامترها در شبکه های عصبی Hyperparameters in Neural Networks

پیش بینی قیمت سهام با استفاده از شبکه های عصبی مصنوعی Stock Price Prediction by Using Artificial Neural Networks

• داده ها را برای ورود به شبکه عصبی آماده کنید Prepare Data for Ingestion into the Neural Network

• لایه ها و مدل شبکه عصبی را تعریف کنید Define the Neural Network Layers and Model

• مدل Keras را با استفاده از Pydot تجسم کنید Visualize Keras Model by using Pydot

• مدل را با استفاده از پارامترهای اساسی آموزش دهید Train the Model Using Basic Parameters

• عملکرد مدل را با استفاده از منحنی‌های تلفات و دقت تحلیل کنید Analyze the Model Performance Using Loss and Accuracy Curves

• تنظیم فراپارامتر شبکه عصبی Hyperparameter Tuning of Neural Network

• ایجاد پیش بینی با استفاده از مدل آموزش دیده Generating Predictions by Using the Trained Model

تئوری و تکنیک های مدرن پورتفولیو برای مدیریت پورتفولیو Modern Portfolio Theory and Techniques for Portfolio Management

• MPT و شهود داده های سهام MPT and Stock Data Intuition

• تولید تصادفی نمونه کارها و نوسانات پورتفولیو Random Portfolio Generation and Portfolio Volatility

• نسبت شارپ برای نمونه کارها بهینه Sharpe Ratio for Optimum Portfolio

• تخصیص پورتفولیو با استفاده از نسبت شارپ و مرز کارآمد Portfolio Allocation Using Sharpe Ratio and Efficient Frontier

• حداکثر نسبت شارپ با بهینه سازی SciPy Maximum Sharpe Ratio with SciPy Optimization

• ترسیم و تجسم مرز کارآمد Plotting and Visualizing Efficient Frontier

• تخصیص و تجسم نهایی نمونه کارها Final Portfolio Allocation and Visualization

پیش بینی تقلب در معاملات مالی با استفاده از طبقه بندی ANN Predicting Fraud in Financial Transactions by Using ANN classification

• فعال سازی سافت مکس و سیگموئید در شبکه های عصبی Softmax and Sigmoid Activation in Neural Networks

• تلفات متقاطع آنتروپی برای طبقه بندی Categorical Cross Entropy Loss for Classification

• مهندسی ویژگی و داده های پیش پردازش برای ورودی به مدل Feature Engineering and Preprocess Data for Input into the Model

• ایجاد مدل و بهینه ساز Creating the Model and the Optimizer

• آموزش مدل Training the Model

• رسیدگی به عدم تعادل کلاس Handling Class Imbalance

• ارزیابی مدل نهایی و پیش بینی تقلب با استفاده از مدل Evaluating the Final Model and Predict Fraud Using the Model