دوره آموزشی
آموزش های یودمی
دوبله زبان فارسی

یادگیری ماشین کاربردی در معاملات سهام و ارز دیجیتال - پایتون

یادگیری ماشین کاربردی در معاملات سهام و ارز دیجیتال - پایتون

✅ سرفصل و جزئیات آموزش

در این دوره برای به دست آوردن برتری در معاملات سهام، ارزهای دیجیتال، فارکس و غیره، از تکنیک های یادگیری نظارت نشده، نظارت شده و یادگیری تقویتی استفاده می کنید.

آنچه یاد خواهید گرفت

  • درک states و سیستم های پنهان برای هر بازار یا دارایی با استفاده از مدل های پنهان مارکوف
  • کشف دارایی های بهینه برای معاملات جفت در ETF، سهام، فارکس یا ارز دیجیتال با استفاده از خوشه بندی K-Means
  • فشرده سازی اطلاعات از مجموعه وسیعی از اندیکاتورها با PCA
  • انجام پیش بینی های عینی آینده در مورد داده مالی با XGBOOST
  • آموزش ایجنت یادگیری تقویتی هوش مصنوعی برای معاملات سهام با PPO
  • تست کارایی بازار در هر دارایی معین
  • آشنایی با کتابخانه های پایتون از جمله Pandas و PyTorch (برای یادگیری عمیق) و sklearn

پیش نیازهای دوره

  • شما باید کمی تجربه اولیه با پایتون داشته باشید.
  • شما باید از مفاهیم مرتبط با معاملات مانند معاملات جفت آگاه باشید.
  • شما باید از دارایی هایی مانند ETF ،VIX، سهام و ارز دیجیتال آگاهی داشته باشید.

توضیحات دوره

شما با اعمال تکنیک های یادگیری ماشین در داده مالی با استفاده از پایتون، در معاملات مالی برتری پیدا می کنید.

مباحث تحت پوشش:

  • کشف states و سیستم های بازار پنهان با استفاده از مدل های پنهان مارکوف
  • گروه بندی عینی ETF های مشابه برای معاملات جفت با استفاده از خوشه بندی K-Means و درک اینکه چگونه با استفاده از روش های آماری مانند Cointegration و امتیاز Z از آن سرمایه گذاری کنید.
  • انجام پیش بینی ها روی VIX با گنجاندن تعداد زیادی اندیکاتورهای تکنیکال و تقطیر اطلاعات مفید از طریق تحلیل مولفه اصلی (PCA)
  • استفاده از یکی از پیشرفته ترین الگوریتم های یادگیری ماشین، XGBOOST، برای پیش بینی داده قیمت بیت کوین در آینده
  • ارزیابی عملکرد مدل ها برای کسب اطمینان در پیش بینی های انجام شده
  • کمی سازی عینی صحت، دقت، فراخوانی و امتیاز F1 در داده‌ تست تا به درصد احتمالی خود پی ببرید.
  • توسعه یک مدل هوش مصنوعی برای معامله یک موج سینوسی ساده و سپس پرداختن به یادگیری معامله سهام اپل به طور کامل بدون هیچ گونه پرامپت برای انتخاب پوزیشن ها
  • ساخت یک شبکه عصبی یادگیری عمیق برای طبقه بندی و دریافت کد برای استفاده از شبکه عصبی LSTM برای انجام پیش بینی های روی داده متوالی
  • استفاده از کتابخانه های پایتون مانند Pandas ،PyTorch (برای یادگیری عمیق)، sklearn و غیره

این دوره تئوری عمیق زیادی را پوشش نمی دهد، بلکه یک دوره کاملا عملی همراه با تئوری سطح بالا برای کسی است که به راحتی مفاهیم اساسی را درک می کند، اما مهمتر از آن، درک این اپلیکیشن و استفاده فوری از آن است.

اگر به دنبال یک درس با ریاضیات زیاد هستید، این دوره برای شما مناسب نیست.

اگر به دنبال دوره ای برای تجربه استفاده از داده مالی به شیوه ای سرگرم کننده، هیجان انگیز و بالقوه سودآور هستید، احتمالا از این دوره بسیار لذت خواهید برد.

این دوره برای چه کسانی مناسب است؟

  • معامله گران خرده فروشی که به دنبال دستیابی به برتری عینی در بازارهای مالی هستند.
  • علاقه مندانی که به دنبال کاربرد عملی و سرگرم کننده یادگیری ماشین هستند.

یادگیری ماشین کاربردی در معاملات سهام و ارز دیجیتال - پایتون

  • خوش آمدگویی و مقدمه دوره 07:42
  • چگونه سوالات را بپرسیم؟ 03:49
  • بررسی پوشه منابع 02:17
  • طرح برنامه - ساختار دوره 09:54
  • یادگیری ماشین چیست؟ 06:55
  • بررسی مختصر یادگیری ماشین 09:30
  • مرحله 1 - جذب داده 03:37
  • مرحله 2 - مهندسی ویژگی 06:03
  • مرحله 3 - انتخاب و آموزش مدل 09:48
  • مرحله 4 - ارزیابی عملکرد 12:41
  • مرحله 5 - استقرار مدل 04:39
  • گزینه 1 - Google Collab 05:26
  • گزینه 1 - Google Colab - خواندن نوت بوک های موجود 00:38
  • گزینه 1 - Google Colab - حل برای Pandas Datareader (با YFinance) 03:08
  • گزینه 2 - نوت بوک هایی برای نصب پایتون و آناکوندا 03:01
  • گزینه 2 - نوت بوک هایی برای ایجاد محیط Conda 12:28
  • کجا داده را دریافت کنیم؟ 14:20
  • جایزه - دریافت داده Poloniex و بایننس 24:47
  • پایتون - متغیرها و آرایه ها 23:59
  • پایتون - دیکشنری ها 06:32
  • پایتون - دستورات If و حلقه ها 19:25
  • پایتون - توابع و کلاس ها 14:12
  • Pandas - بازیابی داده و محاسبه بازده ها 16:01
  • Pandas - ساختاردهی شرطی ها و Iterations 08:04
  • Pandas - استخراج مقدار، تنظیمات چندگانه، ذخیره و بارگذاری 09:47
  • بک تست - محاسبات و بازده استراتژی 17:08
  • بک تست - متریک ها و منحنی ایکوئیتی 09:46
  • مهندسی ویژگی - پیش پردازش داده - بخش 1 29:49
  • مهندسی ویژگی - پیش پردازش داده - بخش 2 12:39
  • مهندسی ویژگی - یادگیری ماشین کاربردی 10:38
  • آمار - تست برای بررسی کد کارایی بازار 06:20
  • تئوری - مقدمه یادگیری ماشین نظارت نشده 04:33
  • نظریه - شهود مدل های پنهان مارکوف 12:08
  • HMM - ساختاردهی داده اولیه 12:42
  • HMM - آموزش مدل 06:13
  • HMM - مشاهده State های پنهان 10:56
  • HMM - بخش 2 - ساختاردهی داده 09:07
  • HMM - بخش 2 - پیش بینی های مدل 04:20
  • HMM - بخش 2 - ساختاردهی بک تست 16:06
  • HMM - بخش 2 - متریک های اولیه 08:29
  • HMM - بخش 2 - استفاده از State های پنهان 04:49
  • HMM - بخش 2 - ذخیره خروجی ها 01:41
  • تئوری - شهود خوشه بندی K-Means 04:18
  • راه اندازی K-Means 09:42
  • استخراج داده K-Means 07:58
  • مهندسی ویژگی K-Means 05:34
  • کاربرد و مصورسازی K-Means 11:22
  • حذف داده پرت در K-Means 06:14
  • معاملات جفت - محاسبه جفت های هم انباشته 19:45
  • K-Means - (اختیاری) - مصورسازی نمودار TSNE 12:07
  • معاملات جفت - محاسبه Spread و امتیاز Z 12:00
  • تئوری - تحلیل مولفه اصلی 05:52
  • PCA - استخراج داده 11:38
  • PCA - پیش پردازش داده - مدیریت ایستایی 07:46
  • PCA - معرفی Train Test Split 06:24
  • PCA - تکمیل با مصورسازی 15:25
  • دسته بندی جنگل تصادفی - نتایج 13:47
  • یادگیری نظارت نشده - خلاصه 03:44
  • تئوری - جنگل های تصادفی در مقابل XGBOOST 10:18
  • پیش پردازش XGB - جذب داده 13:39
  • پیش پردازش XGB - گسترش ویژگی 10:09
  • پیش پردازش XGB - ایستایی 09:56
  • پیش پردازش XGB - معرفی Train Test Split 12:25
  • XGB - بهینه سازی هایپرپارامتر 18:13
  • XGB - آموزش مدل اولیه 12:44
  • XGB - انتخاب ویژگی 09:11
  • XGB - بخش 2 - Train Test Split 12:47
  • XGB - بخش 2 - تناسب مدل 11:53
  • XGB - بخش 2 - ارزیابی مدل - اندازه گیری Loss و ROC 09:56
  • XGB - بخش 2 - ارزیابی مدل - مقایسه عملکرد 07:35
  • XGB - بخش 2 - ارزیابی مدل - گزارش خلاصه 03:31
  • XGB - بخش 2 - ارزیابی مدل - ماتریس درهم ریختگی 04:19
  • XGB - بخش 2 - ارزیابی مدل - مشاهده درخت 08:04
  • تئوری - آناتومی شبکه عصبی یادگیری عمیق 13:01
  • یادگیری عمیق - مهندسی ویژگی - بخش 1 14:53
  • یادگیری عمیق - مهندسی ویژگی - بخش 2 03:08
  • یادگیری عمیق - شبکه عصبی و ساخت داده 11:15
  • یادگیری عمیق - آموزش مدل 11:07
  • یادگیری عمیق - (بررسی کد اختیاری) - مدل متوالی LSTM 15:48
  • تئوری - مبانی کامل یادگیری تقویتی 20:14
  • تئوری - بررسی بهینه سازی سیاست پروگزیمال (PPO) 16:58
  • RL - مراحل اولیه 07:26
  • RL - ساخت موج سینوسی 08:47
  • RL - متغیرهای محیطی 09:07
  • RL - ساختار پاداش محیطی 04:56
  • RL - ساختار مشاهده محیط 07:03
  • RL - توابع Helper اکشن محیط 05:53
  • RL - تابع اکشن محیط 11:47
  • RL - تابع پله ای محیط 03:30
  • RL - ریست و رندر محیط 03:50
  • RL - تست محیط 09:06
  • RL - یوتیلیتی ها 03:03
  • RL - حافظه PPO 09:15
  • RL - ساخت شبکه های عصبی منتقد-بازیگر در PPO 12:47
  • RL - ساخت ایجنت PPO 23:48
  • RL - تست ایجنت PPO 08:53
  • RL - آموزش ایجنت PPO 12:42
  • RL - بارگذاری و ساختاردهی پیش بینی ها 11:24
  • RL - مشاهده نتایج و خلاصه سازی معاملات سینوسی 06:45
  • RL - بخش 2 - اصلاح محیط و داده برای معاملات سهام AAPL 14:08
  • تبریک و گام های بعدی 05:25
  • بزرگترین توهم در معاملات 12:31
  • شانس های احتمالات - ریاضیات دروغ نمی گوید 09:43
  • کسب برتری با آربیتراژ آماری 04:49
  • سایزبندی پوزیشن ها با معیار Kelly 15:08
  • کسب برتری از ایجاد بازارها 04:38
  • کسب سود در بازارهای Up Down و Sideways 08:23
  • مدیریت ارز و ریسک نوسانات 03:11

7,037,500 1,407,500 تومان

مشخصات آموزش

یادگیری ماشین کاربردی در معاملات سهام و ارز دیجیتال - پایتون

  • تاریخ به روز رسانی: 1404/06/14
  • سطح دوره:مقدماتی
  • تعداد درس:108
  • مدت زمان :17:49:31
  • حجم :8.25GB
  • زبان:دوبله زبان فارسی
  • دوره آموزشی:AI Academy

آموزش های مرتبط

The Great Courses
651,500 130,300 تومان
  • زمان: 01:39:55
  • تعداد درس: 6
  • سطح دوره:
  • زبان: دوبله فارسی
The Great Courses
1,889,000 377,800 تومان
  • زمان: 04:47:39
  • تعداد درس: 30
  • سطح دوره:
  • زبان: دوبله فارسی
The Great Courses
1,501,000 300,200 تومان
  • زمان: 03:48:11
  • تعداد درس: 47
  • سطح دوره:
  • زبان: دوبله فارسی
The Great Courses
10,289,500 2,057,900 تومان
  • زمان: 26:03:06
  • تعداد درس: 121
  • سطح دوره:
  • زبان: دوبله فارسی
The Great Courses
490,000 98,000 تومان
  • زمان: 54:55
  • تعداد درس: 18
  • سطح دوره:
  • زبان: دوبله فارسی
The Great Courses
1,797,000 359,400 تومان
  • زمان: 04:33:59
  • تعداد درس: 86
  • سطح دوره:
  • زبان: دوبله فارسی
The Great Courses
2,896,500 579,300 تومان
  • زمان: 07:20:18
  • تعداد درس: 41
  • سطح دوره:
  • زبان: دوبله فارسی
The Great Courses
9,249,500 1,849,900 تومان
  • زمان: 23:25:23
  • تعداد درس: 78
  • سطح دوره:
  • زبان: دوبله فارسی
The Great Courses
490,000 98,000 تومان
  • زمان: 01:08:59
  • تعداد درس: 8
  • سطح دوره:
  • زبان: دوبله فارسی

آیا سوالی دارید؟

ما به شما کمک خواهیم کرد تا شغل و رشد خود را افزایش دهید.
امروز با ما تماس بگیرید