آموزش پایتون و یادگیری ماشین در مدیریت دارایی با مجموعه‌ داده‌های جایگزین - آخرین آپدیت

دانلود Python and Machine-Learning for Asset Management with Alternative Data Sets

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: استفاده بیش از حد از داده‌های بازاری و حسابداری در دهه‌های اخیر منجر به اشباع سبد سهام، عملکرد متوسط و ریسک‌های سیستماتیک شده است. این موضوع موسسات مالی را بر آن داشته تا برای کسب مزیت رقابتی، به سرعت به سراغ استفاده از داده‌های جایگزین به عنوان جایگزینی برای داده‌های سنتی بروند. این دوره مفاهیم اصلی پیرامون داده‌های جایگزین، جدیدترین تحقیقات در این حوزه و همچنین نمونه‌های عملی سبد سهام و کاربردهای واقعی را آموزش می‌دهد. رویکرد این دوره منحصربه‌فرد است، زیرا در کنار پوشش مبانی تئوری، جلسات آزمایشگاهی عملی و کار با مجموعه‌ داده‌های جایگزین از ارکان اصلی آن به شمار می‌رود. این دوره برای شما مناسب است اگر به دنبال مسیر شغلی به عنوان دانشمند داده در بازارهای مالی هستید، می‌خواهید مهارت‌های تحلیلی خود را در بازارهای مالی ارتقا دهید یا به فناوری‌های پیشرفته و تحقیقات مرتبط با کلان‌داده‌ها علاقه‌مند هستید. پیش‌نیازهای لازم عبارتند از: برنامه‌نویسی پایتون، تئوری سرمایه‌گذاری و آمار. این دوره به شما امکان می‌دهد تکنیک‌های نوین داده و تحقیق را در بازارهای مالی بیاموزید و همزمان مهارت‌های علوم داده و پایتون خود را تقویت کنید.

سرفصل ها و درس ها

داده‌های مصرف Consumption

  • ویدیو خوش‌آمدگویی Welcome Video

  • داده‌های مصرف چیست؟ What is consumption data?

  • موقعیت جغرافیایی و ترافیک پیاده Geolocation and foot-traffic

  • جلسه آزمایشگاه: معرفی مجموعه داده اوبر Lab session: Introduction to the Uber Dataset

  • جلسه آزمایشگاه: نقاط مورد علاقه Lab session: Points of Interest

  • جلسه آزمایشگاه: نقشه‌برداری داده‌ها با Folium Lab session: Mapping Data with Folium

  • جلسه آزمایشگاه: تست فصلی بودن Lab session: Testing Seasonality

  • کاربرد: داده‌های مصرف و شگفتی‌های درآمدی Application: Consumption data and earning surprises

  • کاربرد: شاخص‌های مبتنی بر مصرف برای اطلاعات خصوصی و رفتار مدیران Application:Consumption-based proxies for private information and managers behavior

  • کاربرد: کاربردهای تکمیلی داده‌های مصرف Application: Additional applications of consumption data

تحلیل متنی برای کاربردهای مالی Textual Analysis for Financial Applications

  • مقدمه‌ای بر وب باز Introduction to the open web

  • مقدمه‌ای بر تحلیل متنی Introduction to textual analysis

  • پردازش متن به بردارها Processing text into vectors

  • نرمال‌سازی داده‌های متنی Normalizing textual data

  • جلسه آزمایشگاه: معرفی وب‌اسکریپینگ Lab session: Introduction to Webscraping

  • جلسه آزمایشگاه: پردازش کاربردی داده‌های متنی Lab session: Applied Text Data Processing

  • جلسه آزمایشگاه: فواصل شرکت‌ها و فواصل صنعتی Lab session: Company Distances and Industry Distances

  • کاربرد: اعمال تحلیل شباهت بر پرونده‌های شرکتی برای پیش‌بینی بازدهی Application: applying similarity analysis on corporate filings to predict returns

پردازش پرونده‌های شرکتی Processing Corporate Filings

  • مقدمه‌ای بر پرونده‌های شرکتی Introduction to Corporate Filings

  • جلسه آزمایشگاه: کار با داده‌های 10K Lab session: Working with 10-K Data

  • جلسه آزمایشگاه: کاربردهای TF-IDF Lab session: Applications of TF-IDF

  • جلسه آزمایشگاه: تحلیل ریسک Lab session: Risk Analysis

  • جلسه آزمایشگاه: کار با داده‌های 13F Lab session: Working with 13-F Data

  • جلسه آزمایشگاه: مقایسه شباهت‌های دارایی‌ها Lab session: Comparing Holding Similarities

  • کاربرد: مرکزیت شبکه، پیوندهای رقابتی و بازده سهام Application: network centrality, competition links and stock returns

  • کاربرد: استفاده از داده‌های مکانی برای سنجش سوگیری داخلی جهت پیش‌بینی بازدهی Application: Using location data to measure home bias to predict returns

استفاده از داده‌های حاصل از رسانه Using Media-Derived Data

  • مقدمه‌ای بر اطلاعات رسانه‌ای Introduction to Media Information

  • تحلیل احساسات Sentiment Analysis

  • جلسه آزمایشگاه: معرفی مجموعه داده توییتر Lab session: Twitter Dataset Introduction

  • جلسه آزمایشگاه: مصورسازی شبکه Lab session: Network Visualization

  • جلسه آزمایشگاه: شبیه‌سازی الگوریتم PageRank Lab session: Replicating PageRank

  • جلسه آزمایشگاه: تحلیل کاربردی احساسات Lab session: Applied Sentiment Analysis

  • کاربرد: استفاده از رسانه برای پیش‌بینی متغیرهای بازار مالی Application: Using media to predict financial market variables

نمایش نظرات

آموزش پایتون و یادگیری ماشین در مدیریت دارایی با مجموعه‌ داده‌های جایگزین
جزییات دوره
20h 48m
33
(آخرین آپدیت)
16,554
4.4 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