یادگیری ماشین برای ربات های معاملاتی الگوریتمی با پایتون [ویدئو]

Machine Learning for Algorithmic Trading Bots with Python [Video]

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: آیا تا به حال از خود پرسیده اید که بازار بورس، فارکس، ارز دیجیتال و تجارت آنلاین چگونه کار می کند؟ آیا تا به حال خواسته اید زمانی که برای سفر به مالدیو هستید، با رایانه هایتان کار کند و برایتان پول در بیاورد، یک تاجر ثروتمند شوید؟ آیا تا به حال خواسته اید یک شغل مناسب در یک کارگزاری، بانک یا هر موسسه مالی معتبر دیگری داشته باشید؟ ما این دوره را برای شما گردآوری کرده ایم تا از لحظه خود استفاده کنید و شغل رویایی خود را در بخش مالی بدست آورید. این دوره پیشرفت در تکنیک های توسعه یافته برای تجارت الگوریتمی و تجزیه و تحلیل مالی بر اساس پیشرفت های اخیر در یادگیری ماشین را پوشش می دهد. ما از تکنیک‌های کلاسیک که به‌طور گسترده توسط دانشمندان داده‌های مالی استفاده می‌شود، استفاده می‌کنیم تا شما را با مفاهیم لازم و ابزارهای مدرن برای رسیدن به یک نقطه مشترک با متخصصان مالی و غلبه بر مصاحبه بعدی خود مجهز کنیم. در پایان دوره، درک کاملی خواهید داشت. اصطلاحات و روش‌شناسی مالی و تجربه عملی در طراحی و ساخت مدل‌های یادگیری ماشین مالی. شما قادر خواهید بود استراتژی های معاملاتی الگوریتمی مختلف را ارزیابی و تایید کنید. ما یک بخش اختصاصی به بک تست داریم که جام مقدس تجارت الگوریتمی است و کلید اساسی برای استقرار موفقیت آمیز الگوریتم های قابل اعتماد است. بسته کد این دوره ویدیویی در - https://github.com/PacktPublishing/Machine-Learning-for-Algorithmic-Trading-Bots-with-Python موجود است. ساختارهای داده مالی و یادگیری ماشین مالی را به صورت عملی دریافت کنید اصطلاحات و روش های مالی پیچیده را به روش های ساده درک کنید مدل‌های مجموعه و اعتبارسنجی متقابل برای کاربردهای مالی بک تست برای ارزیابی و اعتبارسنجی مدل ها و استراتژی ها مهارت های خود را در معاملات ارزهای دیجیتال در دنیای واقعی مانند بیت کوین و اتریوم به کار ببرید. قرار دادن یادگیری ماشین در مسائل دنیای واقعی و استخراج راه حل این دوره برای مبتدیان و متخصصان علم داده گردآوری شده است که می خواهند حرفه خود را به بخش مالی تغییر دهند. این دوره شامل دانش اولیه برنامه نویسی پایتون مانند دستورات شرطی و حلقه ای است. این دوره از نظر مفاهیم، ​​تئوری ها و فناوری هایی که برای ساخت ربات های تجاری به آن نیاز دارد، اختصاص دارد. ساخت ربات‌های معاملاتی با فرکانس بالا * بکارگیری مهندسی ویژگی در داده‌های بازار سهام * غواصی عمیق‌تر در مزایا و معایب ساختارهای مختلف داده‌های مالی * ساخت و ارزیابی بسیاری از مدل‌های یادگیری ماشینی * پیاده‌سازی اقتصادسنجی پس‌آزمایی برای ارزیابی استراتژی‌های معاملاتی * الگوریتم‌های یادگیری گروه هک در ماشین یادگیری * ارائه اولین نمایش در آموزش گروهی با Bagging & Boosting * آموزش های مبتنی بر تجربه و چالش های مالی عملی

سرفصل ها و درس ها

اولین ربات تجاری خود را بسازید Building Your First Trading Bot

  • بررسی اجمالی دوره The Course Overview

  • مقدمه ای بر یادگیری ماشین مالی و تجارت الگوریتمی Introduction to Financial Machine Learning and Algorithmic Trading

  • راه اندازی محیط زیست Setting up the Environment

  • بررسی اجمالی اسکلت پروژه Project Skeleton Overview

  • واکشی و درک مجموعه داده Fetching and Understanding the Dataset

  • استراتژی خرید و نگهداری متعارف را بسازید Build the Conventional Buy and Hold Strategy

  • ارزیابی عملکرد استراتژی Evaluate the Strategy’s Performance

طراحی یک مدل یادگیری ماشینی Design a Machine Learning Model

  • شهود پشت الگوریتم جنگل های تصادفی Intuition behind Random Forests Algorithm

  • ساخت و پیاده سازی الگوریتم جنگل های تصادفی Build and Implement Random Forests Algorithm

  • افزونه پیاده‌سازی جنگل‌های تصادفی در ربات شما Plug-in Random Forests Implementation into Your Bot

  • عملکرد جنگل تصادفی را ارزیابی کنید Evaluate Random Forest’s Performance

یک الگوریتم معاملاتی بسازید Build a Trading Algorithm

  • معرفی الگوریتم های آنلاین Introducing Online Algorithms

  • بدست آوردن همبستگی آماری Getting Statistical Correlation

  • اجرای استراتژی همبستگی بهره برداری Implement Exploit Correlation Strategy

  • استراتژی را ارزیابی کنید Evaluate the Strategy

طراحی مدل یادگیری ماشین پیشرفته Design Advanced Machine Learning Model

  • تئوری یادگیری گروهی Ensemble Learning Theory

  • پیاده سازی GBoosting با استفاده از پایتون Implementing GBoosting Using Python

  • ارزیابی عملکرد مدل Evaluating the Model Performance

ساخت الگوریتم معاملاتی پیشرفته Build Advanced Trading Algorithm

  • مقدمه ای بر استراتژی معاملاتی اسکالپرز Introduction to Scalpers Trading Strategy

  • اجرای استراتژی معاملاتی اسکالپرز Implement Scalpers Trading Strategy

  • استراتژی معاملاتی اسکالپرز را ارزیابی کنید Evaluate Scalpers Trading Strategy

ارزیابی مدل و استراتژی Model and Strategy Evaluation

  • معرفی Backtest ارزش در معرض خطر Introducing Value at Risk Backtest

  • اجرای Backtest Value at Risk Implement Value at Risk Backtest

  • ارزش در معرض خطر با یادگیری ماشینی Value at Risk with Machine Learning

  • پیاده سازی VaR با استفاده از SVR Implement VaR Using SVR

  • نتیجه گیری و مراحل بعدی Conclusion and Next steps.

نمایش نظرات

یادگیری ماشین برای ربات های معاملاتی الگوریتمی با پایتون [ویدئو]
جزییات دوره
4 h 50 m
26
Packtpub Packtpub
(آخرین آپدیت)
از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Mustafa Qamar-ud-Din Mustafa Qamar-ud-Din

مصطفی قمر الدین یک مهندس یادگیری ماشین با بیش از 10 سال تجربه در صنعت توسعه نرم افزار است. او متخصص پردازش تصویر، یادگیری ماشینی و یادگیری عمیق است. او با بسیاری از استارت‌آپ‌ها کار کرد و پویایی روش‌های چابک و چالش‌هایی که روزانه با آن‌ها روبرو هستند را درک می‌کند. او همچنین از مهارت های حرفه ای که استخدام کنندگان هنگام تصمیم گیری در مورد استخدام به دنبال آن هستند، کاملا آگاه است.