علم داده کاربردی برای امور مالی
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- استفاده از پایتون برای پیشپردازش داده مالی و آمادهسازی آنها برای تحلیل
- ساخت پروژههای عملی با استفاده از کتابخانههایی مانند Pyfolio و Riskfolio-lib
- اعمال گردش کار علم داده بر روی مسائل مالی مانند ریسک و بازده
- درک مفاهیم اصلی مالی و ارتباط دادن آنها با کدهای عملیاتی
پیشنیازهای دوره
- نیازی به تجربه قبلی در امور مالی یا برنامهنویسی نیست. همه چیز را گام به گام یاد خواهید گرفت. فقط یک کامپیوتر و اتصال اینترنت پایدار همراه داشته باشید.
توضیحات دوره
این دوره برای افرادی طراحی شده است که میخواهند بفهمند چگونه امور مالی و علم داده در عمل با هم ترکیب میشوند بدون اینکه در تئوری یا فرمولهای بیپایان گم شوند. شما با پایتون شروع میکنید و همه چیز از نحو پایه تا توابع، ساختارهای داده و مدیریت فایل را پوشش میدهید. سپس به سراغ پیشپردازش داده، چونگی پاکسازی داده مالی، مدیریت مقادیر گمشده، حذف داده پرت و آمادهسازی داده برای تحلیل میروید.
پس از آن، دوره بر روی ابزارهای کاربردی مورد استفاده در امور مالی متمرکز میشود: Pyfolio، MPLFinance ،Riskfolio-lib و سایر موارد. شما از داده مالی واقعی برای ساخت مدلهای تحلیل پرتفوی، مدیریت ریسک و محاسبه بازده استفاده خواهید کرد. هیچ مجموعه داده مصنوعی، ما با داده واقعی سهام، عملکرد صندوقها و شاخصهای اقتصادی کار میکنیم.
نیازی به پیشزمینه در امور مالی یا علوم کامپیوتر نیست. دوره از ابتدا شروع میکند و هر مرحله را به شکلی واضح و ساختاریافته توضیح میدهد. و اگر قبلاً پایتون را میشناسید، میتوانید مستقیماً به بخشهای مالی و پروژهها بروید.
بهروزرسانیهای بعدی شامل پیادهسازیهایی در R ،MATLAB و Julia برای برخی از پروژههای کلیدی خواهد بود. این امر دوره را نه تنها برای یادگیرندگان، بلکه برای حرفهایهایی که به دنبال مقایسه ابزارها هستند نیز مفید میسازد.
در پایان دوره، درک عملی از چگونگی استفاده از کد در گردش کار مالی خواهید داشت و مجموعهای از نوتبوکهایی که عملاً میتوانید استفاده کنید.
این دوره برای چه کسانی مناسب است؟
- این دوره برای دانشجویان مالی، توسعهدهندگان، تحلیلگران یا هر کسی که کنجکاو است از کد در گردش کار مالی استفاده کند مناسب است. این دوره برای مبتدیان طراحی شده و پروژهمحور است.
علم داده کاربردی برای امور مالی
-
معرفی 02:48
-
پایتون چیست؟ 09:33
-
Anaconda و Jupyter و VSCode 06:27
-
Google Colab 10:25
-
راه اندازی محیط 05:45
-
سینتکس پایتون و عملیات اولیه 28:30
-
ساختارهای داده: لیستها، تاپلها، مجموعهها 24:01
-
ساختارهای کنترلی و حلقهها 20:12
-
توابع و برنامهنویسی تابعی مقدماتی 19:23
-
توابع متوسط 14:31
-
دیکشنریها و ساختارهای داده پیشرفته 19:41
-
ماژولها، پکیجها و ایمپورت کردن کتابخانهها 20:30
-
مدیریت فایل 12:37
-
مدیریت استثنا و کد مقاوم 22:12
-
مفاهیم اولیه برنامهنویسی شیگرا (OOP) 21:29
-
عملیات پیشرفته لیست و List Comprehensions 13:02
-
کیفیت داده 06:56
-
تکنیکهای پاکسازی داده 28:09
-
مدیریت مقادیر گمشده 18:51
-
برخورد با داده پرت 15:06
-
مقیاسگذاری و نرمالسازی ویژگی 23:35
-
استانداردسازی 19:35
-
کدگذاری متغیرهای دستهای 27:36
-
مهندسی ویژگی 24:59
-
کاهش ابعاد 33:07
-
مبانی مصورسازی داده 27:17
-
Pyfolio 20:00
-
MPL Finance 11:03
-
Riskfolio-lib 08:15
-
پروژه Altair و YFinance 25:47
-
بهینهسازی و مدیریت ریسک با SciPy 29:42
-
مدلسازی اقتصادی با پایتون 20:04
-
کتابخانه finTA با Apple 30:02
-
مفاهیم اولیه مالی 37:55
-
امور مالی شرکتی 17:41
-
بازارهای مالی 32:44
-
نسبتهای مالی 17:44
-
صورتهای مالی 11:12
-
مبانی اقتصاد کلان 20:12
-
اوراق قرضه و درآمد ثابت 19:12
-
ارزش زمانی پول 22:37
-
تحلیل تکنیکال 40:03
-
ریسک و بازده 23:27
-
مدیریت پرتفوی 15:43
-
ابزارهای مالی 33:17
-
بازارهای فارکس 17:03
-
تحلیل اساسی 29:53
مشخصات آموزش
علم داده کاربردی برای امور مالی
- تاریخ به روز رسانی: 1404/12/10
- سطح دوره:متوسط
- تعداد درس:47
- مدت زمان :15:59:53
- حجم :5.78GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy