پایتون برای امور مالی و علم داده
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- از ابتدا یاد بگیرید چگونه در پایتون کدنویسی کنید.
- در تحلیل داده به طور ویژه داده مالی حرفهای شوید.
- ساخت و بکتست استراتژیهای معاملاتی با پایتون را یاد بگیرید.
- پروفایل بازده و ریسک سبد خود را درک و بهینهسازی کنید.
- مقایسه سهام و سبدها از نظر نسبت شارپ
- مجموعه مهارتهای فنی برجستهای به منظور درخواست برای کار در یک مؤسسه مالی یا شرکت دادهمحور بدست آورید.
- توانایی انجام تحلیل سرمایهگذاری عمیق را بدست آورید.
- مسائل واقعی را با پایتون حل کنید.
- داده خود را در داشبوردهای تعاملی مصورسازی کنید.
- درباره بهترین شیوهها و مشاورههای عملی مرتبط با کار با داده مالی یاد بگیرید.
- توانایی مقایسه سهامها را بدست آورید.
- تفاوت بین بازدههای لگاریتمی و بازدهها را درک کنید.
- وزنها را با مفهوم مرز کارآمد بهینهسازی کنید.
- از مفاهیم جبر برای انجام محاسبات قوی استفاده کنید.
- یاد بگیرید چگونه از تلاقی قدرتمند پانداس و اس کیوال برای ساخت، نگهداری و استفاده از پایگاه دادهها بهره ببرید.
- درک کنید چگونه میتوانید از جبر برای انجام محاسبات قوی استفاده کنید.
توضیحات دوره
آیا آمادهاید درک خود از مالی و علم داده را متحول کنید؟
دنیای پایتون برای امور مالی و علم داده را بررسی کنید، جایی که فناوری پیشرفته با زمینه پویای تحلیل مالی ترکیب میشود.
در این دوره جامع، شما را در اصول ضروری و تکنیکهای عملی که مهارتهای تحلیل مالی شما را بهبود میبخشد، راهنمایی خواهیم کرد. فرقی نمیکند که شما یک متخصص امور مالی مبتدی، دانشمند داده، کوانت یا فقط علاقهمند به گسترش اطلاعات خود باشید، این دوره به شما امکان میدهد که بینشهای ارزشمند را از داده مالی استخراج کنید و تصمیمات آگاهانه بگیرید.
از قدرت پایتون، زبان برنامهنویسی پیشرو در صنعت برای تحلیل داده و اتوماسیون استفاده کنید. به بررسی جزئیات بازیابی، پیشپردازش و دستکاری داده مالی بپردازید و ابزارهای تبدیل داده خام به مصورسازیهای جذاب و داشبوردهای شهودی را بدست آورید.
کشف کنید چگونه تکنیکهای تحلیل و بهینهسازی سبد را با پایتون پیادهسازی کنید. الگوهای پنهان در داده را کشف کرده، استراتژیهای معاملاتی را بسازید و بکتست انجام دهید و امکانات معاملات الگوریتمی را بررسی کنید.
اما این تمام ماجرا نیست! این دوره فراتر از امور مالی میرود و به مفاهیم ضروری علم داده نیز میپردازد. شما به هنر دستکاری داده، تحلیل سبد، تحلیل مالی کاربردی، بکتست و کشف بینشهای تجاری حیاتی مسلط خواهید شد.
برای تمرینهای عملی، مثالهای واقعی و راهنماییهای تخصصی از یک متخصص مالی که به طور فعالانه مشغول به کار است، آماده شوید!
برنامه درسی جذاب این دوره اطمینان میدهد که تجربه یادگیری روانی داشته باشید، زیرا شما را به مهارتهایی مجهز میکند که منجر به عملکرد عالی شما در دنیای پرسرعت مالی و علم داده خواهد شد.
این فرصت را برای متحول کردن شغل خود و بدست آوردن مزیت رقابتی در صنعت مالی یا داده از دست ندهید. هماکنون در این دوره شرکت کنید و پتانسیل کامل پایتون را برای مالی و علم داده آنلاک کنید!
آنچه یاد خواهید گرفت:
- برنامهنویسی بنیادی پایتون
- آشنایی با یکی از قویترین کتابخانههای علم داده و تحلیل داده مالی: پانداس
- راهنمای کامل درباره تحلیل داده مالی کاربردی
- راهنمای کامل درباره تحلیل و مدیریت سبد با پایتون بر اساس داده سهام واقعی
- شما یاد خواهید گرفت سبد خود را بهطور کمی تحلیل کنید و برای آن یک بررسی واقعیت انجام دهید!
- آشنایی با بکتست استراتژیهای معاملاتی و بردارسازی
- بهینهسازی یک سبد با ابزارهای پیشرفته
- استراتژیهای معاملاتی پیشرفته با مفاهیم بهینهسازی و یادگیری ماشین
- ساخت داشبوردهای مالی تعاملی، زیبا و پیشرفته
- درباره تلاقی قدرتمند پانداس و اس کیوال یاد بگیرید و از آن برای بهکار گیری دانش خود استفاده کنید.
چرا این دوره را انتخاب کنیم و در دورههای دیگر شرکت نکنیم؟
- شما تعداد زیادی آزمون و تمرین دریافت خواهید کرد تا آنچه یاد میگیرید را به کار ببرید. نکات و مشاورههای کاربردی مرتبط از مدرس دریافت خواهید کرد. او شما را برای حل تمرینهای ارائه شده به چالش میکشد!
- در این دوره هیچ چیز اضافهای وجود ندارد. ما بهطور مستقیم به موضوعات میپردازیم و سعی میکنیم موضوعات را بهطور مختصر، اما مشخص توضیح دهیم.
این دوره برای چه کسانی مناسب است؟
- دانشجویان کسبوکار و امور مالی که به دنبال فرصتی برای دستیابی به مهارتهای پرتقاضا در بازار هستند.
- افرادی که به تحلیل مالی کاربردی علاقهمند هستند.
- افرادی که میخواهند درک بهتری از سبد خود داشته باشند.
- افرادی که به مالی، علم داده و تحلیل علاقهمندند.
- افراد عملی گرا
- افرادی که میخواهند مهارتهای با ارزش بالایی بسازند.
- افرادی که میخواهند آمار و جبر پشت تحلیل سبد را درک کنند.
پایتون برای امور مالی و علم داده
-
این دوره چه چیزی را پوشش میدهد؟ 01:18
-
توجه [باید ببینید!] 01:25
-
چگونه بیشترین استفاده را از این دوره ببریم؟ 00:20
-
سوالی یا مشکلی دارید؟ 00:20
-
دانلود آناکوندا و راهاندازی Jupyter Notebook 03:09
-
مبانی Jupyter Notebook 01:20
-
متغیرها و انواع داده واحد 04:30
-
چه کارهایی هرگز نباید انجام دهید 01:32
-
تبدیل نوع و ورودی کاربر 07:05
-
زمان تمرین 01:24
-
عملگرهای حسابی 00:56
-
عملگرهای مقایسهای و عملگرهای منطقی 02:01
-
تورفتگیها و عبارات If 03:20
-
زمان تمرین 02:52
-
لیستها به عنوان اشیاء با متدها در پایتون 02:08
-
اسلایس و ایندکسگذاری لیست 02:42
-
تفاوت بین لیستها و تاپلها 01:08
-
دیکشنری ها 01:12
-
حلقههای For 03:24
-
ترکیب لیستها و حلقهها: List comprehension 01:21
-
زمان کدنویسی! None
-
حلقه while 01:47
-
زمان تمرین 02:08
-
دانش خود را با یک سوال مصاحبه رایج تمرین کنید! 01:45
-
توابع 04:03
-
راهاندازی یک دیتافریم و ویژگیهای دیتافریم 03:28
-
اضافه کردن ستونها و استفاده از دیکشنریها برای مقداردهی اولیه دیتافریم 02:58
-
ستونهای جدید بر اساس محاسبات 03:29
-
انتخاب داده با iloc 04:20
-
انتخاب داده با loc 03:38
-
فیلترینگ داده با ماسکهای بولین و ایندکسگذاری بولین 04:24
-
Pull کردن قیمتهای سهام و داده OHLC 03:58
-
جمعبندی سریع از آنچه در فصل گذشته انجام دادیم 02:00
-
محاسبه بازده با شیفت و pct_change 06:14
-
توابع مهم: diff ،dropna و rolling 05:49
-
استدلال بسیار مهم: axis=0 یا axis=1 03:27
-
زمان آزمون! None
-
nlargest و nsmallest 02:07
-
جمعآوری دیتافریمها: Concat 03:52
-
ترکیب سری زمانی و OHLC بهطور کلی 04:54
-
بازنمونهگیری داده 03:19
-
بازنمونهگیری داده OHLC 01:51
-
رسم نمودار در پانداس 03:35
-
Iterate روی یک دیتافریم: Iterrows 05:44
-
مقایسه عملکرد: Iterrows در مقابل بردارسازی 02:39
-
بررسی عمیق محاسبه بازده 11:20
-
نوبت شما! None
-
محاسبه بازدههای لگاریتمی در پایتون خام (سخت!) None
-
تسک تمرینی: رسم نمودار بازدههای سالیانه S&P500 00:28
-
راهحل برای تسک تمرینی: رسم نمودار بازدههای سالیانه S&P500 02:42
-
آشنایی با تحلیل سبد 00:47
-
واریانس، انحراف معیار، کوواریانس و همبستگی 04:54
-
بازده و ریسک سبد 02:48
-
محاسبه بازده و ریسک مورد انتظار سبد با پایتون 03:53
-
استفاده از حاصلضرب نقطهای برای محاسبه بازده و ریسک سبد 07:34
-
کاربرد در داده واقعی: سبد مایکروسافت، کوکاکولا و تسلا 10:36
-
مرز کارآمد، سبد با کمترین واریانس و سبدهای غالب 13:17
-
مقدمه و استراتژی 01:19
-
کدنویسی استراتژی معاملاتی (رویکرد iterative) 18:09
-
بردارسازی بکتست 12:10
-
مومنتوم مقطعی - بخش 1: رسیدگی به سوگیری بقا 08:19
-
مومنتوم مقطعی - بخش 2: ساختاردهی و بکتست 11:01
-
مومنتوم سری زمانی 14:26
-
بکتست مجدد استراتژی مبتنی بر JPMorgans Volatility Index (VIX) 18:04
-
آشنایی مختصر با Streamlit 18:09
-
داشبورد تحلیل سبد Streamlit 11:11
-
داشبورد Streamlit که بهترین و بدترین عملکردهای شاخص S&P500 را نشان میدهد 19:36
-
مدل یادگیری ماشین که (به صورت بالقوه) نسبت به S&P500 عملکرد بهتری داشته است 28:08
-
استراتژی معاملاتی میانگین متحرک حداقل مربعات 25:00
-
رویکرد Iterative 19:08
-
رویکرد بردارسازی 23:10
-
تحلیل نتایج 12:49
-
بررسی عملیاتهای ماتریس (بازده مورد انتظار و ریسک سبد) 19:22
-
بهینهسازی وزنهای سبد 24:18
-
تلاقی قدرتمند پانداس و اس کیوال 04:12
-
چگونه یک پایگاه داده اس کیوال را با پانداس و اس کیوال بروزرسانی کنیم؟ 16:52
-
پایگاه داده مالی خود را با پانداس و اس کیوال بسازید! 14:01
-
سیستم توصیهگر سهام ساده با پایگاه داده مالی خود بسازید 12:40
-
ساخت یک پایگاه داده قیمت سهام روزانه با پایتون و اس کیوال 11:46
-
تشکر و یک نکته برای مسیرتان! 02:39
مشخصات آموزش
پایتون برای امور مالی و علم داده
- تاریخ به روز رسانی: 1404/06/21
- سطح دوره:همه سطوح
- تعداد درس:80
- مدت زمان :08:49:44
- حجم :3.41GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy