دوره آموزشی
The Great Courses
دوبله زبان فارسی

پایتون برای امور مالی: اصول سرمایه‌گذاری و تحلیل داده

پایتون برای امور مالی: اصول سرمایه‌گذاری و تحلیل داده

✅ سرفصل و جزئیات آموزش

آنچه یاد خواهید گرفت:

  • یاد بگیرید چگونه با Python کدنویسی کنید.
  • مسیر شغلی خود را به سطح بالاتری ببرید.
  • با دستورات شرطی، توابع، دنباله‌ها و حلقه‌های Python کار کنید.
  • با بسته‌های علمی مانند NumPy کار کنید.
  • یاد بگیرید چگونه از ابزار تحلیل داده، یعنی Pandas، استفاده کنید.
  • نمودارها را با Matplotlib رسم کنید.
  • از Python برای حل وظایف دنیای واقعی استفاده کنید.
  • با Python به‌عنوان دانشمند داده شغل بگیرید.
  • درک مالی محکمی به دست آورید.
  • تحلیل عمیق سرمایه‌گذاری انجام دهید.
  • سبدهای سرمایه‌گذاری بسازید.
  • ریسک و بازده اوراق بهادار منفرد را محاسبه کنید.
  • ریسک و بازده سبدهای سرمایه‌گذاری را محاسبه کنید.
  • هنگام کار با داده‌های مالی، بهترین شیوه‌ها را به کار بگیرید.
  • از تحلیل رگرسیون تک‌متغیره و چندمتغیره استفاده کنید.
  • مدل قیمت‌گذاری دارایی‌های سرمایه‌ای را درک کنید.
  • اوراق بهادار را بر اساس نسبت شارپ آن‌ها مقایسه کنید.
  • شبیه‌سازی‌های Monte Carlo انجام دهید.
  • یاد بگیرید چگونه با به‌کارگیری فرمول Black Scholes قیمت‌گذاری اختیار معامله را انجام دهید.
  • با اطمینان برای شغل توسعه‌دهنده در یک مؤسسه مالی درخواست دهید.

پیش‌نیازهای دوره

  • باید Anaconda را نصب کنید. ما در یکی از اولین درس‌های دوره نحوه انجام این کار را به شما نشان خواهیم داد.
  • تمام نرم‌افزارها و داده‌های استفاده‌شده در دوره رایگان هستند.

توضیحات دوره

آیا می‌خواهید یاد بگیرید چگونه از Python در یک محیط کاری استفاده کنید؟

آیا شما یک حرفه‌ای جوان هستید که به مسیر شغلی در Data Science علاقه‌مند است؟  

آیا دوست دارید بررسی کنید که Python چگونه می‌تواند در دنیای Finance به کار گرفته شود و مسائل بهینه‌سازی سبد سرمایه‌گذاری را حل کند؟  

اگر چنین است، این دوره دقیقاً برای شما مناسب است!  

با افتخار دوره پایتون برای امور مالی: اصول سرمایه‌گذاری و تحلیل داده را ارائه می‌کنیم؛ یکی از جذاب‌ترین و کامل‌ترین دوره‌هایی که تاکنون ساخته‌ایم.  

یک سفر هیجان‌انگیز از مبتدی تا حرفه‌ای

اگر کاملاً مبتدی هستید و هیچ چیزی درباره کدنویسی نمی‌دانید، نگران نباشید! ما از پایه‌ترین مفاهیم شروع می‌کنیم. بخش اول دوره برای مبتدیان و افرادی که می‌خواهند مهارت‌های Python خود را مرور کنند، ایده‌آل است. سپس، پس از پوشش مبانی، آماده خواهیم بود تا به سراغ محاسبات مالی و وظایف بهینه‌سازی سبد سرمایه‌گذاری برویم.   

مبانی Finance

و این تازه شروع ماجراست! بخش Finance این دوره مهارت‌های کاربردی و پرتقاضای دنیای واقعی را به شما آموزش می‌دهد که کارفرماها به دنبال آن هستند. برای تبدیل شدن به یک برنامه‌نویس پردرآمد، باید در یک حوزه خاص تخصص پیدا کنید. در این دوره، ما روی Finance تمرکز می‌کنیم و بسیاری از ابزارها و تکنیک‌هایی را پوشش می‌دهیم که متخصصان مالی هر روز از آن‌ها استفاده می‌کنند:   

  • نرخ بازده سهام  
  • ریسک سهام  
  • نرخ بازده سبدهای سهام  
  • ریسک سبدهای سهام  
  • همبستگی بین سهام  
  • کوواریانس  
  • ریسک قابل‌تنوع‌سازی و غیرقابل‌تنوع‌سازی  
  • تحلیل رگرسیون  
  • ضرایب آلفا و بتا  
  • اندازه‌گیری قدرت توضیح‌دهندگی رگرسیون با R^2  
  • محاسبه مرز کارای Markowitz  
  • مدل قیمت‌گذاری دارایی‌های سرمایه‌ای  
  • نسبت شارپ  
  • تحلیل رگرسیون چندمتغیره  
  • شبیه‌سازی‌های Monte Carlo  
  • استفاده از Monte Carlo در زمینه Finance شرکتی  
  • مشتقات و انواع مشتقات  
  • به‌کارگیری فرمول Black Scholes  
  • استفاده از Monte Carlo برای قیمت‌گذاری اختیار معامله  
  • استفاده از Monte Carlo برای قیمت‌گذاری سهام

همه چیز در این دوره پوشش داده شده است! همه این موضوعات ابتدا به‌صورت تئوری توضیح داده می‌شوند و سپس با استفاده از Python در عمل به کار گرفته می‌شوند. این بهترین روش برای تثبیت آموخته‌های شماست.   

این دوره حتی اگر برنامه‌نویس باتجربه‌ای باشید هم بسیار مفید است، زیرا در آن حجم زیادی از تئوری و سازوکارهای مالی را یاد می‌گیرید که اگر بخواهید در یک محیط مالی کار کنید به آن‌ها نیاز خواهید داشت.     

این دوره برای چه کسانی مناسب است؟

  • افرادی که می‌خواهند به Data Science وارد شوند.
  • مبتدیان برنامه‌نویسی
  • افرادی که به Finance و سرمایه‌گذاری علاقه‌مند هستند.
  • برنامه‌نویسانی که می‌خواهند در Finance تخصص پیدا کنند.
  • همه کسانی که می‌خواهند کدنویسی یاد بگیرند و مهارت‌های خود را در عمل به کار بگیرند.
  • فارغ‌التحصیلان و متخصصان Finance که نیاز دارند دانش خود را بهتر در Python به کار بگیرند.

پایتون برای امور مالی: اصول سرمایه‌گذاری و تحلیل داده

  • این دوره چه چیزهایی را پوشش می‌دهد؟ 05:10
  • دانلود منابع مفید - تمرین‌ها و راه‌حل‌ها 02:54
  • Jupyter - مقدمه 01:24
  • برنامه‌نویسی در 5 دقیقه 05:29
  • برنامه‌نویسی در 5 دقیقه None
  • چرا Python؟ 05:11
  • چرا Python؟ None
  • چرا Jupyter؟ 03:28
  • چرا Jupyter؟ None
  • نصب Python و Jupyter 03:35
  • مقدمه‌ای بر استفاده از Jupyter 04:53
  • Jupyter - کار با فایل‌های Notebook 04:30
  • رابط Jupyter None
  • Jupyter - استفاده از میانبرها 07:24
  • Jupyter - مدیریت پیام‌های خطا 05:52
  • Jupyter - راه‌اندازی مجدد Kernel 02:03
  • متغیرها 04:51
  • تمرین‌های کدنویسی Python - بخش 1 04:58
  • متغیرها - تمرین شماره 1 None
  • متغیرها - تمرین شماره 2 None
  • متغیرها - تمرین شماره 3 None
  • متغیرها - تمرین شماره 4 None
  • متغیرها None
  • اعداد و مقادیر بولی 03:05
  • اعداد و بولی - تمرین شماره 1 None
  • اعداد و بولی - تمرین شماره 2 None
  • اعداد و بولی - تمرین شماره 3 None
  • اعداد و بولی - تمرین شماره 4 None
  • اعداد و بولی - تمرین شماره 5 None
  • اعداد و مقادیر بولی None
  • رشته‌ها 06:38
  • رشته‌ها - تمرین شماره 1 None
  • رشته‌ها - تمرین شماره 2 None
  • رشته‌ها - تمرین شماره 3 None
  • رشته‌ها - تمرین شماره 4 None
  • رشته‌ها - تمرین شماره 5 None
  • رشته‌ها None
  • مقدمه‌ای بر Anaconda AI 02:27
  • استفاده از Anaconda Assistant: رشته‌ها 04:07
  • عملگرهای حسابی 03:23
  • عملگرهای حسابی - تمرین شماره 1 None
  • عملگرهای حسابی - تمرین شماره 2 None
  • عملگرهای حسابی - تمرین شماره 3 None
  • عملگرهای حسابی - تمرین شماره 4 None
  • عملگرهای حسابی - تمرین شماره 5 None
  • عملگرهای حسابی - تمرین شماره 6 None
  • عملگرهای حسابی - تمرین شماره 7 None
  • عملگرهای حسابی - تمرین شماره 8 None
  • عملگرهای حسابی None
  • علامت تساوی دوگانه 01:33
  • علامت تساوی دوگانه - تمرین شماره 1 None
  • علامت تساوی دوگانه None
  • مقداردهی مجدد 01:08
  • مقداردهی مجدد - تمرین شماره 1 None
  • مقداردهی مجدد - تمرین شماره 2 None
  • مقداردهی مجدد - تمرین شماره 3 None
  • مقداردهی مجدد - تمرین شماره 4 None
  • مقداردهی مجدد None
  • افزودن توضیحات 01:34
  • افزودن توضیحات None
  • ادامه خط 00:49
  • ادامه خط - تمرین شماره 1 None
  • ایندکس‌گذاری عناصر 01:18
  • ایندکس‌گذاری عناصر - تمرین شماره 1 None
  • ایندکس‌گذاری عناصر - تمرین شماره 2 None
  • ایندکس‌گذاری عناصر None
  • ساختاردهی کد با Indentation 01:44
  • ساختاردهی کد با Indentation - تمرین شماره 1 None
  • ساختاردهی کد با Indentation None
  • عملگرهای مقایسه‌ای 02:10
  • عملگرهای مقایسه‌ای - تمرین شماره 1 None
  • عملگرهای مقایسه‌ای - تمرین شماره 2 None
  • عملگرهای مقایسه‌ای - تمرین شماره 3 None
  • عملگرهای مقایسه‌ای - تمرین شماره 4 None
  • عملگرهای مقایسه‌ای None
  • عملگرهای منطقی و هویتی 05:35
  • عملگرهای منطقی و هویتی - تمرین شماره 1 None
  • عملگرهای منطقی و هویتی - تمرین شماره 2 None
  • عملگرهای منطقی و هویتی - تمرین شماره 3 None
  • عملگرهای منطقی و هویتی - تمرین شماره 4 None
  • عملگرهای منطقی و هویتی - تمرین شماره 5 None
  • عملگرهای منطقی و هویتی - تمرین شماره 6 None
  • عملگرهای منطقی و هویتی None
  • مقدمه‌ای بر دستور IF 03:01
  • IF - تمرین شماره 1 None
  • IF - تمرین شماره 2 None
  • مقدمه‌ای بر دستور IF None
  • افزودن دستور ELSE 02:45
  • ELSE - تمرین شماره 1 None
  • Else if، به‌اختصار - ELIF 05:34
  • تمرین ELIF شماره 1 None
  • تمرین ELIF شماره 2 None
  • نکته‌ای درباره مقادیر بولی 02:13
  • نکته‌ای درباره مقادیر بولی None
  • تعریف تابع در Python 02:02
  • ساخت یک تابع با پارامتر 03:49
  • ساخت یک تابع - تمرین شماره 1 None
  • ساخت یک تابع - تمرین شماره 2 None
  • راهی دیگر برای تعریف تابع 02:36
  • راهی دیگر برای تعریف تابع - تمرین شماره 1 None
  • راهی دیگر برای تعریف تابع None
  • استفاده از یک تابع در تابعی دیگر 01:49
  • استفاده از یک تابع در تابعی دیگر - تمرین شماره 1 None
  • ترکیب دستورات شرطی و توابع 03:06
  • ترکیب دستورات شرطی و توابع - تمرین شماره 1 None
  • ساخت توابعی با چند آرگومان 01:17
  • توابع داخلی مهم در Python 03:56
  • توابع داخلی مهم در Python - تمرین شماره 1 None
  • توابع داخلی مهم در Python - تمرین شماره 2 None
  • توابع داخلی مهم در Python - تمرین شماره 3 None
  • توابع داخلی مهم در Python - تمرین شماره 4 None
  • توابع داخلی مهم در Python - تمرین شماره 5 None
  • توابع داخلی مهم در Python - تمرین شماره 6 None
  • توابع داخلی مهم در Python - تمرین شماره 7 None
  • توابع داخلی مهم در Python - تمرین شماره 8 None
  • توابع داخلی مهم در Python - تمرین شماره 9 None
  • توابع None
  • لیست ها 04:02
  • لیست ها - تمرین شماره 1 None
  • لیست ها - تمرین شماره 2 None
  • لیست ها - تمرین شماره 3 None
  • لیست ها - تمرین شماره 4 None
  • لیست ها - تمرین شماره 5 None
  • لیست ها None
  • استفاده از متدها 03:19
  • استفاده از متدها - تمرین شماره 1 None
  • استفاده از متدها - تمرین شماره 2 None
  • استفاده از متدها - تمرین شماره 3 None
  • استفاده از متدها - تمرین شماره 4 None
  • استفاده از متدها None
  • اسلایس کردن لیست 04:30
  • اسلایس کردن لیست - تمرین شماره 1 None
  • اسلایس کردن لیست - تمرین شماره 2 None
  • اسلایس کردن لیست - تمرین شماره 3 None
  • اسلایس کردن لیست - تمرین شماره 4 None
  • اسلایس کردن لیست - تمرین شماره 5 None
  • اسلایس کردن لیست - تمرین شماره 6 None
  • اسلایس کردن لیست - تمرین شماره 7 None
  • تاپل‌ها 03:11
  • تاپل‌ها - تمرین شماره 1 None
  • تاپل‌ها - تمرین شماره 2 None
  • تاپل‌ها - تمرین شماره 3 None
  • تاپل‌ها - تمرین شماره 4 None
  • دیکشنری‌ها 04:04
  • دیکشنری‌ها - تمرین شماره 1 None
  • دیکشنری‌ها - تمرین شماره 2 None
  • دیکشنری‌ها - تمرین شماره 3 None
  • دیکشنری‌ها - تمرین شماره 4 None
  • دیکشنری‌ها - تمرین شماره 5 None
  • دیکشنری‌ها - تمرین شماره 6 None
  • دیکشنری‌ها None
  • حلقه‌های for 02:56
  • حلقه‌های for - تمرین شماره 1 None
  • حلقه‌های for - تمرین شماره 2 None
  • حلقه‌های for None
  • حلقه‌های while و Incrementing 02:26
  • حلقه‌های while و Incrementing - تمرین شماره 1 None
  • ساخت لیست ها با تابع ()range 03:49
  • ساخت لیست ها با تابع ()range - تمرین شماره 1 None
  • ساخت لیست ها با تابع ()range - تمرین شماره 2 None
  • ساخت لیست ها با تابع ()range - تمرین شماره 3 None
  • ساخت لیست ها با تابع ()range None
  • استفاده هم‌زمان از دستورات شرطی و حلقه‌ها 03:11
  • استفاده هم‌زمان از دستورات شرطی و حلقه‌ها - تمرین شماره 1 None
  • استفاده هم‌زمان از دستورات شرطی و حلقه‌ها - تمرین شماره 2 None
  • استفاده هم‌زمان از دستورات شرطی و حلقه‌ها - تمرین شماره 3 None
  • همه‌چیز در یک‌جا - دستورات شرطی، توابع و حلقه‌ها 02:27
  • دستورات شرطی، توابع و حلقه‌ها - تمرین شماره 1 None
  • استفاده از Anaconda Assistant: چندین ابزار Python 05:56
  • Iterate کردن روی دیکشنری‌ها 03:07
  • Iterate کردن روی دیکشنری‌ها - تمرین شماره 1 None
  • Iterate کردن روی دیکشنری‌ها - تمرین شماره 2 None
  • استفاده از Anaconda Assistant: دیکشنری‌ها 02:22
  • برنامه‌نویسی شیءگرا 05:00
  • برنامه‌نویسی شیءگرا - آزمون None
  • ماژول‌ها و بسته‌ها 01:05
  • ماژول‌ها - آزمون None
  • کتابخانه استاندارد 02:47
  • کتابخانه استاندارد - آزمون None
  • ایمپورت کردن ماژول‌ها 04:10
  • ایمپورت کردن ماژول‌ها - آزمون None
  • Python کاربردی در محیط کار - چهار سؤال سریع None
  • بسته‌های ضروری برای Finance و Data Science 04:53
  • بسته‌های ضروری - آزمون None
  • کار با آرایه‌ها 06:02
  • تولید اعداد تصادفی 02:52
  • نکته‌ای درباره استفاده از داده‌های مالی در Python 02:42
  • منابع داده‌های مالی 06:49
  • دسترسی به فایل‌های Notebook 02:35
  • ایمپورت کردن و سازمان‌دهی داده در Python - بخش 1 03:44
  • ایمپورت کردن و سازمان‌دهی داده در Python - بخش 2.A 07:01
  • ایمپورت کردن و سازمان‌دهی داده در Python - بخش 2.B 04:37
  • ایمپورت کردن و سازمان‌دهی داده در Python - بخش 3 04:19
  • تغییر شاخص داده‌های سری زمانی شما 03:17
  • در نظر گرفتن هم‌زمان ریسک و بازده 02:33
  • ریسک و بازده - آزمون None
  • در ادامه چه خواهیم دید؟ 02:34
  • محاسبه نرخ بازده یک اوراق بهادار 05:31
  • محاسبه نرخ بازده یک اوراق بهادار None
  • محاسبه نرخ بازده یک اوراق بهادار در Python - بازده‌های ساده - بخش 1 05:23
  • محاسبه نرخ بازده یک اوراق بهادار در Python - بازده‌های ساده - بخش 2 03:28
  • محاسبه بازده یک اوراق بهادار در Python - بازده‌های لگاریتمی 03:39
  • سبد اوراق بهادار چیست و چگونه نرخ بازده آن را محاسبه کنیم؟ 02:39
  • سبد اوراق بهادار چیست و چگونه نرخ بازده آن را محاسبه کنیم؟ - آزمون None
  • محاسبه نرخ بازده یک سبد اوراق بهادار 08:34
  • شاخص‌های معروف سهام که به ما در درک بازارهای مالی کمک می‌کنند 03:24
  • کدام‌یک از موارد زیر یک شاخص نیست؟ - آزمون None
  • محاسبه نرخ بازده شاخص‌ها 05:03
  • چگونه ریسک یک اوراق بهادار را اندازه‌گیری می‌کنیم؟ 06:05
  • کدام‌یک از جملات زیر درست است؟ - آزمون None
  • محاسبه ریسک یک اوراق بهادار در Python 05:55
  • مزایای تنوع‌بخشی به سبد سرمایه‌گذاری 03:28
  • سرمایه‌گذاری در سهام - آزمون None
  • محاسبه کوواریانس بین اوراق بهادار 03:34
  • کوواریانس - آزمون None
  • اندازه‌گیری همبستگی بین سهام 03:59
  • همبستگی - آزمون None
  • محاسبه کوواریانس و همبستگی 05:00
  • در نظر گرفتن ریسک چندین اوراق بهادار در یک سبد سرمایه‌گذاری 03:19
  • محاسبه ریسک سبد سرمایه‌گذاری 02:38
  • درک ریسک سیستماتیک در برابر ریسک خاص 02:58
  • ریسک قابل‌تنوع‌سازی - آزمون None
  • محاسبه ریسک قابل‌تنوع‌سازی و غیرقابل‌تنوع‌سازی یک سبد سرمایه‌گذاری 04:28
  • مبانی تحلیل رگرسیون ساده 03:55
  • رگرسیون‌ها - آزمون None
  • اجرای یک رگرسیون در Python 06:35
  • آیا همه رگرسیون‌ها یکسان هستند؟ یادگیری تشخیص رگرسیون‌های خوب 04:55
  • رگرسیون‌ها - آزمون None
  • محاسبه آلفا، بتا و R Squared در Python 06:14
  • نظریه سبد سرمایه‌گذاری Markowitz - یکی از ستون‌های اصلی Finance مدرن 06:34
  • Markowitz - آزمون None
  • به‌دست آوردن مرز کارایی در Python - بخش 1 05:35
  • به‌دست آوردن مرز کارایی در Python - بخش 2 05:18
  • به‌دست آوردن مرز کارایی در Python - بخش 3 02:07
  • منطق پشت مدل قیمت‌گذاری دارایی‌های سرمایه‌ای (CAPM) 04:44
  • CAPM - آزمون None
  • درک و محاسبه بتای یک اوراق بهادار 04:14
  • بتا - آزمون None
  • محاسبه بتای یک سهم 03:38
  • فرمول CAPM 04:20
  • CAPM - آزمون None
  • محاسبه بازده مورد انتظار یک سهم (CAPM) 02:16
  • معرفی نسبت شارپ و نحوه به‌کارگیری آن در عمل 02:21
  • نسبت‌های شارپ - آزمون None
  • به‌دست آوردن نسبت شارپ در Python 01:22
  • اندازه‌گیری آلفا و بررسی اینکه مدیر سبد سرمایه‌گذاری چقدر خوب یا بد عمل می‌کند 04:13
  • آلفا - آزمون None
  • تحلیل رگرسیون چندمتغیره - ابزاری ارزشمند برای فعالان حوزه Finance 05:42
  • رگرسیون‌های چندمتغیره - آزمون None
  • اجرای رگرسیون چندمتغیره در Python 06:20
  • ماهیت شبیه‌سازی‌های Monte Carlo 02:31
  • Monte Carlo - آزمون None
  • کاربرد Monte Carlo در زمینه Finance شرکتی 02:30
  • Monte Carlo در Finance شرکتی - آزمون None
  • Monte Carlo: پیش‌بینی سود ناخالص - بخش 1 06:03
  • Monte Carlo: پیش‌بینی سود ناخالص - بخش 2 02:56
  • پیش‌بینی قیمت سهام با شبیه‌سازی Monte Carlo 04:27
  • شبیه‌سازی‌های Monte Carlo - آزمون None
  • Monte Carlo: پیش‌بینی قیمت سهام - بخش 1 03:39
  • Monte Carlo: پیش‌بینی قیمت سهام - بخش 2 04:38
  • Monte Carlo: پیش‌بینی قیمت سهام - بخش 3 04:17
  • مقدمه‌ای بر قراردادهای مشتقه 06:32
  • مشتقات - آزمون None
  • فرمول Black Scholes برای قیمت‌گذاری اختیار معامله 04:51
  • Monte Carlo: بررسی Black-Scholes-Merton 06:00
  • استفاده از Monte Carlo با Black-Scholes-Merton - آزمون None
  • Monte Carlo: گسسته‌سازی Euler - بخش 1 06:21
  • Monte Carlo: گسسته‌سازی Euler - بخش 2 02:09
  • مصاحبه تحلیلگر مالی جونیور None
  • سری های pandas - مقدمه 08:33
  • تمرین‌های کدنویسی Python - بخش 2 05:35
  • سری های pandas - تمرین شماره 1 None
  • سری های pandas - تمرین شماره 2 None
  • سری های pandas - تمرین شماره 3 None
  • سری های pandas - تمرین شماره 4 None
  • سری های pandas - تمرین شماره 5 None
  • سری های pandas - تمرین شماره 6 None
  • سری های pandas - تمرین شماره 7 None
  • سری های pandas - تمرین شماره 8 None
  • سری های pandas - تمرین شماره 9 None
  • سری های pandas - تمرین شماره 10 None
  • pandas - کار با متدها - بخش 1 04:49
  • pandas - کار با متدها - بخش 2 02:32
  • pandas - کار با متدها - تمرین شماره 1 None
  • pandas - کار با متدها - تمرین شماره 2 None
  • pandas - استفاده از پارامترها و آرگومان‌ها 04:09
  • pandas - استفاده از پارامترها و آرگومان‌ها - تمرین شماره 1 None
  • pandas - استفاده از پارامترها و آرگومان‌ها - تمرین شماره 2 None
  • Seriesهای پانداس - ()unique. و ()nunique. 03:49
  • Seriesهای پانداس - ()sort_values. 03:58
  • DataFrameهای pandas - مقدمه - بخش 1 04:41
  • DataFrameهای pandas - مقدمه - تمرین شماره 1 None
  • DataFrameهای pandas - مقدمه - تمرین شماره 2 None
  • DataFrameهای pandas - مقدمه - بخش 2 05:05
  • استفاده از Anaconda Assistant: ایمپورت کردن داده با pandas 04:32
  • DataFrameهای pandas - مقدمه - تمرین شماره 3 None
  • DataFrameهای pandas - مقدمه - تمرین شماره 4 None
  • DataFrameهای pandas - مقدمه - تمرین شماره 5 None
  • ویژگی‌های رایج DataFrameهای pandas 04:15
  • DataFrameهای pandas - ویژگی‌های رایج - تمرین شماره 1 None
  • DataFrameهای pandas - ویژگی‌های رایج - تمرین شماره 2 None
  • DataFrameهای pandas - ویژگی‌های رایج - تمرین شماره 3 None
  • DataFrameهای pandas - ویژگی‌های رایج - تمرین شماره 4 None
  • DataFrameهای pandas - ویژگی‌های رایج - تمرین شماره 5 None
  • DataFrameهای pandas - ویژگی‌های رایج - تمرین شماره 6 None
  • DataFrameهای pandas - ویژگی‌های رایج - تمرین شماره 7 None
  • DataFrameهای pandas - ویژگی‌های رایج - تمرین شماره 8 None
  • DataFrameهای pandas - ویژگی‌های رایج - تمرین شماره 9 None
  • DataFrameهای pandas - ویژگی‌های رایج - تمرین شماره 10 None
  • DataFrameهای pandas - ویژگی‌های رایج - تمرین شماره 11 None
  • DataFrameهای pandas - ویژگی‌های رایج - تمرین شماره 12 None
  • DataFrameهای pandas - ویژگی‌های رایج - تمرین شماره 13 None
  • DataFrameهای pandas - انتخاب داده 06:55
  • DataFrameهای pandas - انتخاب داده - تمرین شماره 1 None
  • DataFrameهای pandas - انتخاب داده - تمرین شماره 2 None
  • DataFrameهای pandas - انتخاب داده - تمرین شماره 3 None
  • DataFrameهای pandas - انتخاب داده - تمرین شماره 4 None
  • DataFrameهای pandas - انتخاب داده - تمرین شماره 5 None
  • DataFrameهای pandas - انتخاب داده - تمرین شماره 6 None
  • DataFrameهای pandas - انتخاب داده - تمرین شماره 7 None
  • DataFrameهای pandas - انتخاب داده - تمرین شماره 8 None
  • DataFrameهای pandas - انتخاب داده - تمرین شماره 9 None
  • DataFrameهای pandas - انتخاب داده - تمرین شماره 10 None
  • DataFrameهای pandas - انتخاب داده با []iloc. 05:56
  • DataFrameهای pandas - انتخاب داده با []iloc. - تمرین شماره 1 None
  • DataFrameهای pandas - انتخاب داده با []iloc. - تمرین شماره 2 None
  • DataFrameهای pandas - انتخاب داده با []iloc. - تمرین شماره 3 None
  • DataFrameهای pandas - انتخاب داده با []iloc. - تمرین شماره 4 None
  • DataFrameهای pandas - انتخاب داده با []iloc. - تمرین شماره 5 None
  • DataFrameهای pandas - انتخاب داده با []iloc. - تمرین شماره 6 None
  • DataFrameهای pandas - انتخاب داده با []iloc. - تمرین شماره 7 None
  • DataFrameهای pandas - انتخاب داده با []iloc. - تمرین شماره 8 None
  • DataFrameهای pandas - انتخاب داده با []iloc. 03:52
  • DataFrameهای pandas - انتخاب داده با []iloc. - تمرین شماره 1 None
  • DataFrameهای pandas - انتخاب داده با []iloc. - تمرین شماره 2 None
  • DataFrameهای pandas - انتخاب داده با []iloc. - تمرین شماره 3 None
  • DataFrameهای pandas - انتخاب داده با []iloc. - تمرین شماره 4 None
  • DataFrameهای pandas - انتخاب داده با []iloc. - تمرین شماره 5 None
  • تحلیل تکنیکال - اصول، کاربردها، مفروضات 02:56
  • نمودارهای مورد استفاده در تحلیل تکنیکال 05:32
  • سایر ابزارهای مورد استفاده در تحلیل تکنیکال 01:52
  • خطوط روند، حمایت و مقاومت 03:56
  • الگوهای رایج نموداری 04:25
  • شاخص‌های قیمتی 03:46
  • اسیلاتورهای مومنتوم 03:42
  • شاخص‌های غیرمبتنی بر قیمت 04:47
  • تحلیل تکنیکال - چرخه‌ها 04:07
  • تحلیل بین‌بازاری 01:09

5,616,000 1,404,000 تومان

مشخصات آموزش

پایتون برای امور مالی: اصول سرمایه‌گذاری و تحلیل داده

  • تاریخ به روز رسانی: 1405/04/02
  • سطح دوره:Alls
  • تعداد درس:348
  • مدت زمان :09:25:23
  • حجم :3.23GB
  • زبان:دوبله زبان فارسی
  • دوره آموزشی:AI Academy

آموزش های مرتبط

The Great Courses
1,833,000 366,600 تومان
  • زمان: 02:27:39
  • تعداد درس: 24
  • سطح دوره:
  • زبان: دوبله فارسی
The Great Courses
2,260,000 452,000 تومان
  • زمان: 03:02:02
  • تعداد درس: 14
  • سطح دوره:
  • زبان: دوبله فارسی
The Great Courses
795,000 159,000 تومان
  • زمان: 58:00
  • تعداد درس: 12
  • سطح دوره:
  • زبان: دوبله فارسی
The Great Courses
19,403,000 3,880,600 تومان
  • زمان: 26:02:40
  • تعداد درس: 175
  • سطح دوره:
  • زبان: دوبله فارسی
The Great Courses
8,508,000 1,701,600 تومان
  • زمان: 11:25:13
  • تعداد درس: 94
  • سطح دوره:
  • زبان: دوبله فارسی
  • سطح دوره:
  • زبان: دوبله فارسی
The Great Courses
6,100,500 1,220,100 تومان
  • زمان: 08:11:21
  • تعداد درس: 28
  • سطح دوره:
  • زبان: دوبله فارسی
The Great Courses
7,256,500 1,451,300 تومان
  • زمان: 09:44:25
  • تعداد درس: 67
  • سطح دوره:
  • زبان: دوبله فارسی
The Great Courses
3,634,500 726,900 تومان
  • زمان: 04:52:43
  • تعداد درس: 38
  • 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