آموزش هوش مصنوعی و یادگیری ماشین در امور مالی: ساخت مدل‌های پیش‌بینی با R - آخرین آپدیت

درس‌ها Lessons

• 1 ویدیو معرفی دوره 1 course introduction promo video final

• 2 شروع کار با هوش مصنوعی و یادگیری ماشین در امور مالی 2 Getting Started with AI & ML in Finance

• 3 منابع داده‌های مالی 3 Sources of Financial Data output

• 4 آماده‌سازی و پاک‌سازی داده‌ها 4 Preparing and Cleaning Data

• 5 مجموعه داده اعتباری آلمان - بخش اول 5 German Credit Dataset Part 1

• 6 مجموعه داده اعتباری آلمان - بخش دوم 6 German Credit Dataset Part 2

• 7 تولید داده‌های مصنوعی 7 Generating Synthetic Data

• 8 رگرسیون خطی پایه 8 Basic Linear Regression

• 9 مبانی رگرسیون خطی چندمتغیره 9 Multivariate Linear Regression Fundamentals

• 10 رگرسیون خطی چندمتغیره - انتخاب ویژگی 10 Multivariate Linear Regression Feature Selection

• 11 رگرسیون خطی چندمتغیره - مفاهیم پیشرفته 11 Multivariate Linear Regression Advanced Concepts

• 12 روش‌های رگرسیون منظم شده 12 Regularized Regression Methods

• 13 تکنیک‌های Elastic Net و اعتبارسنجی متقاطع 13 Elastic Net and Cross Validation Techniques

• 14 کاربرد Least Squares جزئی در عمل 14 Partial Least Squares in Practice

• 15 طبقه‌بندی بیزی و K-نزدیک‌ترین همسایه 15 Bayesian and K Nearest Neighbors Classification

• 16 طبقه‌بندی حداکثر حاشیه 16 Maximum Margin Classification

• 17 درک ماشین‌های بردار پشتیبان (SVM) 17 Understanding Support Vector Machines

• 18 کاربرد SVMها در عمل - بخش اول 18 SVMs in Practice Part 1

• 19 کاربرد SVMها در عمل - بخش دوم 19 SVMs in Practice Part 2

• 20 کاربرد SVMها در عمل - بخش سوم 20 SVMs in Practice Part 3

• 21 درخت‌های تصمیم برای طبقه‌بندی 21 Decision Trees for Classification

• 22 درخت‌های تصمیم برای طبقه‌بندی - مثال کاربردی 22 Decision Trees for Classification Practical Example

• 23 درخت‌های طبقه‌بندی تقویت‌شده گرادیان 23 Gradient Boosted Classification Trees

• 24 درخت‌های تصمیم برای رگرسیون 24 Decision Trees for Regression

• 25 معماری شبکه‌های عصبی 25 Neural Network Architecture

• 26 آموزش شبکه‌های عصبی 26 Training Neural Networks

• 27 مقدمه‌ای بر شبکه‌های عصبی پیچشی (CNN) 27 Intro to Convolutional Neural Networks

• 28 شبکه‌های عصبی در عمل 28 Neural Networks in Practice

• 29 پرسپترون چندلایه - پیاده‌سازی عملی 29 Multilayer Perceptron Hands On Implementation

• 30 پرسپترون چندلایه - مدیریت بیش‌برازش (Overfitting) 30 Multilayer Perceptron Handling Overfitting

• 31 پرسپترون چندلایه - ساخت مدل‌های عمیق 31 Multilayer Perceptron Building Deep Models

• 32 پرسپترون چندلایه - تکنیک توقف زودهنگام 32 Multilayer Perceptron Early Stopping Technique

• 33 شبکه‌های عصبی پیچشی - مثال کاربردی 33 Convolutional Neural Networks Practical Example

• 34 تکنولوژی نظارتی (RegTech) 34 Regulatory Technology (RegTech)

• 35 تکنولوژی نظارتی و ریسک سیستمیک 35 Supervisory Technology and Systemic Risk

• 36 ملاحظات اخلاقی در هوش مصنوعی و یادگیری ماشین 36 Ethical Considerations in AI and ML