لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش یادگیری ماشین برای کوانت فاینانس و تجارت الگوریتمی
دانلود Machine Learning for Quant Finance and Algorithmic Trading
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
در یادگیری ماشینی و پایتون برای امور مالی کمی تسلط داشته باشید و راهبردهای تجارت Algo را بیاموزید و بک تست کنید. درباره چرخه زندگی کامل یک پروژه یادگیری ماشینی از پردازش داده تا ساخت مدلهای ML تا استقرار در برنامههای وب ساخته شده با استفاده از Streamlit بیاموزید. شما در مورد مفاهیم پیچیده بازار مالی مانند مشتقات، مدل های قیمت گذاری دارایی، تجزیه و تحلیل فنی، و غیره به زبان ساده و بدون هیچ گونه اصطلاحات تخصصی یاد خواهید گرفت. این دوره اصول یادگیری ماشینی و یادگیری عمیق را پوشش می دهد که به شما کمک می کند تا در تحلیل کمی داده های مالی خود به برتری برسید. یاد بگیرید که استراتژی های معاملاتی خود را با استفاده از یادگیری ماشین بسازید و آنها را با استفاده از پایتون بک تست کنید. شما یاد خواهید گرفت که چگونه با استفاده از Streamlit به سرعت برنامه های وب و داشبورد خود را برای تجزیه و تحلیل کوانت خود بسازید. این دوره همچنین دارای بسیاری از پروژه های کدنویسی در پایتون، یادگیری ماشین، یادگیری عمیق و استریم لیت است. پیش نیازها: درک مقدماتی زبان برنامه نویسی پایتون. دانش قبلی بازارهای مالی ضروری نیست.
--- به دوره خوش آمدید ---
این دوره جامع برای کسانی طراحی شده است که می خواهند از تکنیک های یادگیری ماشین در امور مالی استفاده کنند. با پوشش موضوعات ضروری مانند پانداها، NumPy، Matplotlib و Seaborn، شرکتکنندگان پایه محکمی در دستکاری و تجسم دادهها به دست خواهند آورد که برای تجزیه و تحلیل مجموعه دادههای مالی بسیار مهم است.
برنامه درسی به مفاهیم کلیدی مالی، از جمله مشتقات، تحلیل تکنیکال، و مدلهای قیمتگذاری دارایی میپردازد و زمینه لازم را برای استفاده مؤثر از یادگیری ماشین در اختیار یادگیرندگان قرار میدهد. شرکتکنندگان روشهای مختلف یادگیری ماشین، از جمله یادگیری تحت نظارت و بدون نظارت، تکنیکهای یادگیری عمیق، و کاربردهای آنها در توسعه استراتژیهای معاملاتی را بررسی خواهند کرد.
تمرکز قابل توجه این دوره بر روی پروژه های کدگذاری عملی است که به یادگیرندگان اجازه می دهد الگوریتم های یادگیری ماشینی را برای استراتژی های معاملاتی و بک تست پیاده سازی کنند. در پایان دوره، دانش آموزان تجربه عملی در ساخت مدل های پیش بینی با استفاده از پایتون خواهند داشت.
علاوه بر این، این دوره Streamlit را معرفی می کند و شرکت کنندگان را قادر می سازد تا برنامه های کاربردی وب و داشبوردهای تعاملی ایجاد کنند تا مدل های کمی خود را به طور موثر به نمایش بگذارند. این ادغام یادگیری ماشین با توسعه وب، یادگیرندگان را با مهارت هایی برای ارائه یافته های خود به صورت پویا مجهز می کند.
چه حرفه ای مالی باشید و چه از علاقه مندان به داده ها، این دوره به شما این امکان را می دهد که از قدرت یادگیری ماشین در تجارت مالی کمی و الگوریتمی استفاده کنید و شما را برای چالش های دنیای واقعی در بازارهای مالی آماده کند. به ما بپیوندید تا درک خود را از امور مالی از طریق تجزیه و تحلیل پیشرفته و فناوری نوآورانه تغییر دهیم!
سرفصل ها و درس ها
مقدمه
Introduction
مقدمه ای بر دوره آموزشی و نتایج کلیدی یادگیری
Introduction to the Course and Key Learning outcomes
مقدمه ای بر یادگیری ماشین برای کوانت فاینانس
Introduction to Machine Learning for Quant Finance
پانداها و نومپی
Pandas and Numpy
آشنایی با پانداها
Introduction to Pandas
سری پانداها
Pandas Series
DataFrame در پانداها
DataFrame in Pandas
نحوه کار با CSV و سایر انواع فایل در پانداها
How to work with CSV and other file types in pandas
تجزیه و تحلیل DataFrame در پانداها
Analysing DataFrames in Pandas
معرفی Numpy
Introduction to Numpy
آرایههای Numpy
Numpy Arrays
شکل دادن و تغییر شکل آرایه ها در Numpy
Shape and Reshape Arrays in Numpy
آرایه های نمایه سازی
Indexing Arrays
تکرار آرایه
Array Iterating
برش آرایه ها
Slicing Arrays
جستجو و مرتب سازی آرایه های Numpy
Searching and Sorting Numpy Arrays
تجسم داده ها و پیش پردازش
Data Visualisation and Preprocessing
مقدمه ای بر Matplotlib
Introduction to Matplotlib
نمونه های مختلف نقشه کشی در Matplotlib
Different Plotting Examples in Matplotlib
معرفی Seaborn
Introduction to Seaborn
مدیریت مقادیر از دست رفته در داده ها
Handling Missing Values in Data
مقیاس بندی ویژگی ها
Feature Scaling
رمزگذاری ویژگی
Feature Encoding
یادگیری ماشینی
Machine Learning
یادگیری ماشینی تحت نظارت
Supervised Machine Learning
یادگیری ماشینی بدون نظارت
Unsupervised Machine Learning
چرخه زندگی یادگیری ماشینی
Machine Learning Lifecycle
تقسیم تست قطار
Train Test Split
معیارهای ارزیابی مدل یادگیری ماشین
Machine Learning Model Evaluation Metrics
ابعاد در یادگیری ماشینی
Dimensionality in Machine Learning
تحلیل رگرسیون
Regression Analysis
رگرسیون خطی
Linear Regression
رگرسیون لجستیک
Logistic Regression
KNN
KNN
SVM
SVM
درخت تصمیم
Decision Tree
جنگل تصادفی
Random Forest
K-Means Clustering
K-Means Clustering
GridSearch CV
GridSearch CV
خط لوله یادگیری ماشین
Machine Learning Pipeline
مینی پروژه نمونه کدگذاری عملی رگرسیون
Regression Practical Coding Example Mini Project
مینی پروژه نمونه کدگذاری عملی طبقه بندی
Classification Practical Coding Example Mini Project
ملزومات یادگیری عمیق برای Quant Finance
Deep Learning Essentials for Quant Finance
شبکه های عصبی مصنوعی (ANN)
Artificial Neural Networks (ANN)
توابع فعال سازی
Activation Functions
بهینه سازها در شبکه های عصبی
Optimizers in Neural Networks
شبکه های عصبی کانولوشن (CNN)
Convolutional Neural Networks (CNN)
شبکه های عصبی مکرر (RNN)
Recurrent Neural Networks (RNN)
بازارهای مالی
Financial Markets
مقدمه ای بر بازارهای مالی
Introduction to Financial Markets
مقدمه ای بر بازارهای مالی قسمت 2
Introduction to Financial Markets Part 2
ارزش زمانی پول
Time Value of Money
نوع تحلیل در بازارهای مالی
Type of Analysis in Financial Markets
مدل قیمت گذاری دارایی های سرمایه ای (CAPM)
Capital Asset Pricing Model (CAPM)
نظریه پورتفولیو مدرن (MPT)
Modern Portfolio Theory(MPT)
نمایش نظرات