آموزش کاربرد هوش مصنوعی و یادگیری ماشین در پیش‌بینی مالی - آخرین آپدیت

مبانی یادگیری ماشین برای امور مالی Machine Learning Foundations for Finance

• ویدیو خوش‌آمدگویی دوره! Course Welcome Video!

• رگرسیون خطی برای پیش‌بینی مالی Linear Regression for Financial Prediction

• رگرسیون Ridge و Lasso برای داده‌های مالی با ویژگی‌های زیاد Ridge & Lasso for Feature-Heavy Financial Data

• ارزیابی مدل‌های رگرسیون با استفاده از MAE و RMSE Evaluating Regression Models Using MAE & RMSE

• یادگیری ماشین در مقابل روش‌های کلاسیک سری‌های زمانی Machine Learning vs Classical Time Series Methods

• تشخیص روند و فصلی بودن در داده‌های مالی Trend & Seasonality Detection for Financial Data

• مدل‌های سری زمانی یادگیری ماشین با استفاده از متدهای درختی Machine Learning Time Series Models Using Tree-Based Methods

• خوشه‌بندی k-Means و سلسله‌مراتبی k-Means & Hierarchical Clustering

• مقیاس‌بندی ویژگی‌ها و معیارهای فاصله Feature Scaling & Distance Measures

• موارد کاربرد مالی برای خوشه‌بندی و بخش‌بندی ریسک Financial Use Cases for Clustering and Risk Segmentation

مهندسی ویژگی برای مدل‌سازی مالی Feature Engineering for Financial Modeling

• ویژگی‌های لگ (Lag) برای پیش‌بینی مالی Lag Features for Financial Prediction

• آمارهای پنجره غلتان Rolling Window Statistics

• نوسانات غلتان و ثبت روند Rolling Volatility & Trend Capture

• محاسبات نوسان با استفاده از معیارهای آماری Volatility Calculations Using Statistical Measures

• اندیکاتورهای فنی: SMA, EMA, RSI و MACD Technical Indicators: SMA, EMA, RSI & MACD

• استفاده از اندیکاتورهای فنی در مدل‌های یادگیری ماشین Using Technical Indicators in Machine Learning Models

• ویژگی‌های مبتنی بر تقویم برای داده‌های مالی Calendar-Based Features for Financial Data

• اثرات تعطیلات و فصلی در پیش‌بینی Holiday & Seasonal Effects in Forecasting

• فصلی بودن در داده‌های مالی با فرکانس بالا Seasonality in High-Frequency Financial Data

ارزیابی مدل، اعتبارسنجی و کنترل ریسک Model Evaluation, Validation & Risk Controls

• تقسیم داده‌های آموزش و تست برای مجموعه‌داده‌های مالی Train-Test Splits for Financial Datasets

• تکنیک‌های اعتبارسنجی متقاطع (Cross Validation) برای داده‌های سری زمانی Cross-Validation Techniques for Time Series Data

• تشخیص مشکلات مدل با استفاده از امتیازات اعتبارسنجی Detecting Model Issues Using Validation Scores

• اهمیت اعتبارسنجی Walk-Forward در امور مالی Importance of Walk-Forward Validation in Finance

• متدهای اعتبارسنجی پنجره گسترشی و لغزان Expanding and Sliding Window Validation Methods

• اندازه‌گیری پایداری زمانی در مدل‌های پیش‌بینی Measuring Temporal Stability in Forecasting Models

• مقایسه MAE، MAPE و RMSE Comparing MAE, MAPE & RMSE

• تشخیص بیش‌برازش (Overfitting) و واریانس مدل Diagnosing Overfitting and Model Variance

• کاهش بیش‌برازش با استفاده از تکنیک‌های منظم‌سازی (Regularization) Mitigating Overfitting Using Regularization Techniques

کاربردهای هوش مصنوعی و یادگیری ماشین در امور مالی مدرن AI & Machine Learning Applications in Modern Finance

• یادگیری ماشین برای پیش‌بینی روند سهام ML for Stock Trend Prediction

• امتیازدهی اعتباری با مدل‌های طبقه‌بندی Credit Scoring with Classification Models

• مدل‌سازی ریسک و تخمین احتمال نکول Risk Modeling and Probability of Default Estimation

• ویژگی‌های یادگیری ماشین برای انتخاب سبد سهام Machine Learning Features for Portfolio Selection

• بهینه‌سازی سبد سهام مبتنی بر پیش‌بینی Forecast-Driven Portfolio Optimization

• شبیه‌سازی مونت‌کارلو با ورودی‌های یادگیری ماشین Monte Carlo Simulation with Machine Learning Inputs

• مدل‌های زبانی بزرگ (LLM) برای خلاصه‌سازی گزارش‌های مالی Large Language Models for Financial Report Summaries

• تحلیل احساسات با استفاده از هوش مصنوعی و یادگیری ماشین Sentiment Analysis Using AI and Machine Learning

• تولید تحلیل‌های کارشناسی با هوش مصنوعی مولد Generating Analyst Commentary with Generative AI

• پایان دوره! Course Closure!