آموزش تجزیه و تحلیل عملی داده های مالی با علم داده پایتون

سرفصل ها و درس ها

مقدمه دوره Introduction To the Course

• به دوره خوش آمدید Welcome To The Course

• داده ها و اسکریپت های مورد استفاده در دوره Data and Scripts Used in the Course

• مقدمه ای بر محیط علم داده پایتون Introduction to the Python Data Science Environment

• نصب Python3 ارتقا یافته است Upgraded Python3 Installation

• مقدمه ای بر آی پایتون/ژوپیتر Introduction to iPython/Jupyter

خواندن و پیش پردازش داده ها از منابع داده خارجی Read in and Preprocess Data From External Data Sources

• آشنایی با پانداها Introduction to Pandas

• در داده های CSV بخوانید Read in CSV Data

• در اکسل دیتا بخوانید Read in Excel Data

• در داده های HTML بخوانید Read in HTML Data

• اکتشاف داده های اولیه با پانداها Basic Data Exploration With Pandas

• مدیریت داده های اساسی با بیانیه های مشروط Basic Data Handling With Conditional Statements

• رها کردن ستون/ردیف Drop Column/Row

• ادغام و پیوستن به داده ها Merging and Joining Data

دسترسی به داده های مالی Accessing Financial Data

• دریافت اطلاعات بازار سهام از یاهو Getting Stock Market Data From Yahoo

• Pandas Datareader را به Pandas Dataframe Format تبدیل کنید Convert Pandas Datareader to Pandas Dataframe Format

• داده های تاریخی سهام از Yahoo Finance Historical Stock Data From Yahoo Finance

• به Quandl خوش آمدید Welcome to Quandl

• دسترسی به Quandl در پایتون Accessing Quandl in Python

• دسترسی به داده های مالی از طریق ffn Accessing Financial Data Via ffn

پیش پردازش داده های سری زمانی در پایتون Preprocessing Time Series Data in Python

• برخی از توابع اختصاصی پایتون Some Date Specific Python Functions

• نمونه ای از داده های سری زمانی در پایتون An Example of Time Series Data in Python

• جزئیات بیشتر در مورد Datetime More Details on Datetime

تکنیک های مهم تجسم برای داده های مالی Important Visualization Techniques For Financial Data

• اصول تجسم داده ها Principles of Data Visualization

• داده های سری زمانی را آماده کنید Prep Up the Time Series Data

• نمودارهای خطی برای بررسی داده های زمانی Line Charts For Examining Temporal Data

• ترسیم چندین خط در یک نمودار Plotting Multiple Lines on the Same Chart

• هیستوگرام-تصویرسازی توزیع متغیرهای عددی پیوسته Histograms-Visualize the Distribution of Continuous Numerical Variables

• بازده روزانه را تجسم کنید Visualise the Daily Returns

• تغییر درصد روزانه را تجسم کنید Visualize the Daily Percent Change

• بازده تجمعی را تجسم کنید Visualize the Cumulative Returns

• همبستگی بین سهام Correlation Between Stocks

• همبستگی بین حال و آینده Correlation Betwen Present and Future

• رابطه بین سهام چندگانه را تجسم کنید Visualize the Relationship Between Multiple Stocks

• راه دیگری برای تجسم همبستگی Another Way of Correlation Visalization

• تجسم شمعدان Candlesticks Visualization

سری زمانی پایه برای استخراج الگوها و پیش بینی ها از داده های مالی Basic Time Series For Deriving Patterns and Forecasts From Financial Data

• میانگین متحرک/ابزارهای نورد Moving Averages/Rolling Means

• میانگین متحرک بیشتر More Moving Averages

• اجزای مختلف داده های سری زمانی Different Components of Time Series Data

• تست برای ثابت بودن: تئوری تست ADF Test For Stationarity: ADF Test Theory

• تست ADF را در پایتون اجرا کنید Implement the ADF Test in Python

• سری زمانی خود را ثابت کنید Make Your Time Series Stationary

• راه های دیگر برای ثابت کردن داده های سری زمانی Other Ways Of Making Time Series Data Stationary

• نظریه پشت هموارسازی نمایی Theory Behind Exponential Smoothing

• صاف کننده نمایی صاف-پرایمر Smooth Exponential Smoothing-Primer

• SES چقدر برای پیش بینی خوب است؟ How Good is SES For Forecasting?

• روش خطی هولت برای پیش بینی Holt's Linear Method For Forecasting

• نظریه پشت ARIMA Theory Behind ARIMA

• اجرای ARIMA عملی برای پیش بینی سری های زمانی Implement Practical ARIMA For Time Series Forecasting

یادگیری ماشینی برای پیش بینی داده های مالی Machine Learning For Financial Data Forecasting

• یادگیری ماشینی چیست؟ What Is Machine Learning?

• تنظیم تجزیه و تحلیل در پیامبر فیسبوک Setting Up the Analysis in Facebook's Prophet

• الگوی پیامبر را پیاده کنید Implement the Prophet Model

• از پیامبر برای پیش بینی آینده استفاده کنید Use Prophet to Forecast to the Future

• نتایج پیامبر Prophet Results

• نظریه k-NN (k-نزدیکترین همسایگان) Theory of k-NN (k-Nearest Neighbours)

• مدل پیش‌بینی رگرسیون kNN kNN Regression Predictive Model

• KNN بیشتر More KNN

• نظریه جنگل های تصادفی (RF) Theory of Random Forests (RF)

• پیاده سازی رگرسیون RF برای پیش بینی Implement RF Regression For Forecasting

• مربع های خطی معمولی (OLS) رگرسیون-نظریه Ordinary Linear Squares (OLS) Regression-Theory

• پیاده سازی OLS برای پیش بینی Implement OLS For Forecasting

پیش بینی مبتنی بر یادگیری عمیق Deep Learning Based Forecasting

• برخی از مفاهیم نظری Some Theoretical Concepts

• کراس چیست؟ What Is Keras?

• Keras را روی ویندوز نصب کنید Install Keras On Windows

• Keras را در مک نصب کنید Install Keras On Mac

• پیاده سازی Keras مبتنی بر LSTM بر روی داده های سهام Implement Keras Based LSTM On Stock Data

• مقابله با ارزش های نادیده Tackling Unseen Values