یادگیری ماشین برای امور مالی کمی و معاملات الگوریتمی

در این دوره، شما یاد خواهید گرفت که به یادگیری ماشین و پایتون برای امور مالی کمی و یادگیری ساخت و بک تست استراتژی های معاملات الگوریتمی مسلط شوید.

آنچه یاد خواهید گرفت:

• چرخه کامل یک پروژه یادگیری ماشین را از پردازش داده تا ساخت مدل‌ های ML و استقرار آنها در وب اپلیکیشن های مبتنی بر Streamlit بیاموزید.
• مفاهیم پیچیده بازار مالی مانند مشتقات، مدل‌ های قیمت‌ گذاری دارایی و تحلیل تکنیکال و غیره را به بیان ساده و بدون اصطلاحات تخصصی درک کنید.
• ضروریات یادگیری ماشین و یادگیری عمیق را برای بهبود تجزیه و تحلیل کمی داده‌ مالی خود کسب کنید.
• یاد بگیرید استراتژی‌ های معاملاتی خود را با استفاده از یادگیری ماشین بسازید و آنها را با استفاده از پایتون بک‌ تست کنید.
• به سرعت وب اپلیکیشن ها و داشبوردهای خود را برای تجزیه و تحلیل کمی با استفاده از Streamlit ایجاد کنید.
• در پروژه‌های عملی کدنویسی شامل پایتون، یادگیری ماشین، یادگیری عمیق و Streamlit شرکت کنید.

پیش نیازهای دوره

• درک پایه زبان برنامه نویسی پایتون
• دانش قبلی از بازارهای مالی ضروری نیست.

توضیحات دوره

این برنامه آموزشی دوره به بررسی مفاهیم کلیدی مالی از جمله مشتقات، تحلیل تکنیکال و مدل‌ های قیمت‌ گذاری دارایی‌ ها می‌ پردازد و زمینه لازم برای کاربرد موثر یادگیری ماشین را برای فراگیران فراهم می‌ کند. شرکت‌ کنندگان متدولوژی های مختلف یادگیری ماشین از جمله یادگیری نظارت‌ شده و نظارت‌ بدون نظارت، تکنیک‌ های یادگیری عمیق و کاربرد آنها در توسعه استراتژی‌ های معاملاتی را بررسی خواهند کرد.

تمرکز قابل توجهی از این دوره بر پروژه‌ های عملی کدنویسی است که به یادگیرندگان اجازه می‌ دهد تا الگوریتم‌ های یادگیری ماشین را برای استراتژی‌ های معاملاتی و بک‌ تستینگ پیاده‌ سازی کنند. در پایان دوره، دانشجویان تجربه عملی در ساخت مدل‌ های پیش‌ بینی با استفاده از پایتون خواهند داشت.

علاوه بر این، این دوره با Streamlit معرفی می کند که به شما امکان می دهد وب اپلیکیشن های تعاملی و داشبوردهایی برای نمایش موثر مدل های کمی خود ایجاد کنید. این یکپارچه سازی یادگیری ماشین با توسعه وب، یادگیرندگان را با مهارت های لازم برای ارائه پویا نتایج خود تجهیز می کند.

این دوره برای چه کسانی مناسب است؟

• فردی با دانش پایه پایتون که علاقه‌ مند به ورود به حوزه مالی کمی و یادگیری معاملات الگوریتمی با استفاده از قدرت یادگیری ماشین می باشد.