آموزش هوش مصنوعی برای امور مالی: یادگیری ماشین و یادگیری عمیق برای ترید - آخرین آپدیت

سرفصل ها و درس ها

مقدمه Introduction

• مقدمه Introduction

آشنایی با هوش مصنوعی در امور مالی Introduction to AI in Finance

• مرور دوره و اهداف یادگیری Course Overview & Learning Outcomes

• این دوره برای چه کسانی است؟ Who is this Course for?

• هوش مصنوعی در مالی: کاربردهای واقعی AI in Finance: Real-World Use Cases

• پیش‌نیازها: آنچه باید بدانید Prerequisites: What You Need to Know

• آماده‌سازی محیط (Jupyter, Python, Libraries) Setting Up Your Environment (Jupyter, Python, Libraries)

• مقدمه‌ای بر AI در مالی – بررسی مبانی Introduction to AI in Finance – Foundations Check

مبانی هوش مصنوعی و یادگیری ماشین برای مالی Fundamentals of AI & Machine Learning for Finance

• هوش مصنوعی چیست؟ یادگیری ماشین در مقابل یادگیری عمیق What is AI? Machine Learning vs. Deep Learning

• یادگیری نظارت‌شده در امور مالی Supervised Learning in Finance

• یادگیری بدون نظارت در امور مالی Unsupervised Learning in Finance

• انواع داده‌های مالی Financial Data Types

• منابع داده‌های مالی Financial Data Sources

• داده‌های سری زمانی: ملاحظات خاص Time-Series Data: Special Considerations

• تکنیک‌های پیشرفته پیش‌بینی سری زمانی Advanced Time-Series Forecasting Techniques

• آشنایی با مدل‌های AI در ترید و سرمایه‌گذاری Introduction to AI Models in Trading & Investing

• آزمون بخش ۳ – مبانی AI و ML برای مالی Section 3 Knowledge Check — Fundamentals of AI & ML for Finance

جمع‌آوری داده‌ها، پیش‌پردازش و مهندسی ویژگی‌ها Data Collection, Preprocessing & Feature Engineering

• وارد کردن داده‌های مالی از Yahoo Finance Importing Financial Data from Yahoo Finance

• مدیریت داده‌های گم‌شده و داده‌های پرت Handling Missing Data & Outliers

• مهندسی ویژگی‌ها برای پیش‌بینی بازار سهام Feature Engineering for Stock Market Predictions

• مقیاس‌بندی (Scaling) داده‌های مالی Scaling of Financial Data

• نرمال‌سازی داده‌های مالی Normalisation of Financial Data

• کدگذاری داده‌های دسته‌ای (Categorical) برای ML Encoding Categorical Data for Machine Learning

• تبدیل داده‌های سری زمانی برای مدل‌های ML Transforming Time-Series Data for ML Models

• تمرین عملی: پاکسازی و آماده‌سازی داده‌های بازار Hands-on: Cleaning & Preparing Stock Market Data

• آزمون بخش ۴ – آماده‌سازی داده‌ها و مهندسی ویژگی‌ها Section 4 Knowledge Check — Data Prep & Feature Engineering

تحلیل اکتشافی داده‌ها (EDA) در امور مالی Exploratory Data Analysis (EDA) in Finance

• چرا EDA در امور مالی حیاتی است؟ Why EDA is Crucial in Finance

• بصری‌سازی روندها در داده‌های سهام Visualising Trends in Stock Data

• بصری‌سازی الگوها در داده‌های سهام Visualising Patterns in Stock Data

• شناسایی همبستگی‌ها در بازارهای مالی Identifying Correlations in Financial Markets

• ایستایی (Stationarity) و تجزیه Stationarity & Decomposition

• تجزیه سری‌های زمانی Time-Series Decomposition

• تمرین عملی: تحلیل داده‌های واقعی بازار Hands-on: Analysing Real Market Data

• پروژه: EDA کامل و ایده‌پردازی استراتژی روی داده‌های واقعی Project: Complete EDA and Strategy Idea Generation on Real Data

• آزمون بخش ۵ – تحلیل اکتشافی داده‌ها Section 5 Knowledge Check - Exploratory Data Analysis

یادگیری ماشین برای پیش‌بینی‌های مالی Machine Learning for Financial Predictions

• مقدمه‌ای بر مدل‌های رگرسیون Introduction to Regression Models

• پیش‌بینی قیمت سهام با رگرسیون خطی Predicting Stock Prices with Linear Regression

• درخت تصمیم برای روندهای بازار Decision Trees for Market Trends

• جنگل تصادفی (Random Forest) برای روندهای بازار Random Forest for Market Trends

• ماشین بردار پشتیبان (SVM) برای ترید Support Vector Machines (SVM) for Trading

• تنظیم هایپرپارامترها Hyperparameter Tuning

• بهینه‌سازی مدل Model Optimisation

• ارزیابی عملکرد مدل با معیارهای سنجش Evaluating Model Performance with Metrics

• تمرین عملی: ساخت مدل AI برای پیش‌بینی سهام Hands-on: Building an AI Stock Prediction Model

• آزمون بخش ۶: یادگیری ماشین برای پیش‌بینی‌های مالی Section 6 Knowledge Check: Machine Learning for Financial Predictions

یادگیری عمیق در امور مالی Deep Learning in Finance

• مقدمه‌ای بر شبکه‌های عصبی در ترید Introduction to Neural Networks in Trading

• شبکه‌های عصبی بازگشتی (RNN) در مقابل LSTMها Recurrent Neural Networks (RNN) vs. LSTMs

• پیاده‌سازی LSTM برای پیش‌بینی قیمت سهام Implementing LSTMs for Stock Price Prediction

• مدل‌های ترنسفورمر برای پیش‌بینی مالی Transformer Models for Financial Forecasting

• تمرین عملی: آموزش یک مدل یادگیری عمیق Hands-on: Training a Deep Learning Model

• آزمون بخش ۷: یادگیری عمیق در امور مالی Section 7 Knowledge Check: Deep Learning in Finance

ترید الگوریتمی با هوش مصنوعی Algorithmic Trading with AI

• مقدمه‌ای بر استراتژی‌های ترید مبتنی بر AI Introduction to AI-Powered Trading Strategies

• توسعه استراتژی با یادگیری ماشین Strategy Development with Machine Learning

• یادگیری تقویت‌شده (Reinforcement Learning) برای ربات‌های ترید Reinforcement Learning for Trading Bots

• بک‌تست استراتژی‌های ترید مبتنی بر AI Backtesting AI-Based Trading Strategies

• مدیریت ریسک در ترید با هوش مصنوعی Risk Management in AI Trading

• تمرین عملی: کدنویسی استراتژی ترید AI Hands-on: Coding an AI Trading Strategy

• آزمون بخش ۸: ترید الگوریتمی با هوش مصنوعی Section 8 Knowledge Check: Algorithmic Trading with AI

هوش مصنوعی برای بهینه‌سازی سبد سهام AI for Portfolio Optimisation

• مقدمه‌ای بر بهینه‌سازی سبد سهام Introduction to Portfolio Optimisation

• توضیح تئوری مدرن سبد سهام (MPT) Modern Portfolio Theory (MPT) Explained

• بهینه‌سازی مارکویتز با استفاده از AI Markowitz Optimisation using AI

• شبیه‌سازی مونت‌کارلو برای ارزیابی ریسک Monte Carlo Simulations for Risk Assessment

• شبیه‌سازی مونت‌کارلو ارتقایافته با AI برای ارزیابی ریسک AI-Enhanced Monte Carlo Simulation for Risk Assessment

• تمرین عملی: بهینه‌سازی پورتفولیو با AI Hands-on: Optimising a Portfolio with AI

• آزمون بخش ۹: هوش مصنوعی برای بهینه‌سازی سبد سهام Section 9 Knowledge Check: AI for Portfolio Optimisation.

تشخیص کلاهبرداری و ناهنجاری در امور مالی Fraud Detection & Anomaly Detection in Finance

• نقش AI در تشخیص کلاهبرداری The Role of AI in Fraud Detection

• شناسایی ناهنجاری‌ها در داده‌های مالی Identifying Anomalies in Financial Data

• جنگل ایزولاسیون (Isolation Forest) برای تشخیص کلاهبرداری Isolation Forest for Fraud Detection

• اتوانکودرها برای تشخیص کلاهبرداری - بخش ۱ (مفهوم و آماده‌سازی) Auto-encoders for Fraud Detection Part 1. (Concept & Prep)

• اتوانکودرها برای تشخیص کلاهبرداری - بخش ۲ (ساخت، آموزش و هشدار) Auto-encoders for Fraud Detection Part 2. (Build, Train, Alert)

• ارزیابی ریسک اعتباری مبتنی بر AI AI-Based Credit Risk Assessment

• تمرین عملی: تشخیص کلاهبرداری با AI Hands-on: Fraud Detection with AI

• آزمون بخش ۱۰: تشخیص کلاهبرداری و ناهنجاری در مالی Section 10 Knowledge Check: Fraud & Anomaly Detection in Finance

پروژه‌های واقعی و بررسی موردی Real-World Projects & Case Studies

• پیش‌بینی قیمت سهام مبتنی بر AI AI-Based Stock Price Prediction

• یادگیری عمیق برای پیش‌بینی بازار کریپتو Deep Learning for Crypto Market Forecasting

• یادگیری تقویت‌شده برای ربات‌های ترید Reinforcement Learning for Trading Bots

• تحلیل احساسات در اخبار مالی Sentiment Analysis on Financial News

• تمرین عملی: ایجاد یک خط لوله کامل ترید با AI Hands-on: Creating a Full AI Trading Pipeline

بخش ویژه: اخلاق در AI و روندهای آینده مالی Bonus Module: AI Ethics & Future Trends in Finance

• سوگیری (Bias) هوش مصنوعی در مدل‌های مالی AI Bias in Financial Models

• آینده AI در ترید و بانکداری سرمایه‌گذاری Future of AI in Trading & Investment Banking