Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
План на курса
Въведение
- Разлика между статистическо обучение (статистически анализ) и машинно обучение Възприемане на технологии за машинно обучение и талант от финансовите компании
Разбиране на различните видове Machine Learning
- Контролирано обучение срещу неконтролирано обучение Итерация и оценка Компромис от отклонение Комбиниране на контролирано и неконтролирано обучение (полуконтролирано обучение)
Разбиране Machine Learning Езици и набори от инструменти
- Отворен код срещу патентовани системи и софтуер Python срещу R срещу Matlab Библиотеки и рамки
разбиране Neural Networks
Разбиране на основните понятия в Finance
- Разбиране на търговията с акции Разбиране на данни от времеви редове Разбиране на финансови анализи
Machine Learning Казуси по финанси
- Генериране на сигнали и функция за тестване Инженеринг Изкуствен интелект Алгоритмична търговия Количествени търговски прогнози Робо-съветници за управление на портфолио Risk Management и откриване на измами Застраховане
Въведение в Р
- Инсталиране на RStudio IDE Зареждане на R пакети Структури на данни Вектори Фактори Списъци Рамки с данни Матрици и масиви
Импортиране на финансови данни в R
- Бази данни, складове за данни и поточно предаване на данни Разпределено съхранение и обработка с Hadoop и Spark Импортиране на данни от база данни Импортиране на данни от Excel и CSV
Прилагане на регресионен анализ с R
- Обобщения и нелинейност на линейната регресия
Оценяване на производителността на Machine Learning алгоритми
- Кръстосано валидиране и повторно вземане на проби Bootstrap Упражнение за агрегиране (пакетиране).
Разработване на стратегия за алгоритмична търговия с R
- Настройване на вашата работна среда Събиране и изследване на данни за запаси Прилагане на стратегия за следване на тенденция
Тестване на Вашата Machine Learning търговска стратегия
- Изучаване на клопките на обратното тестване Компоненти на вашия Backtester Внедряване на вашия прост Backtester
Подобряване на вашата Machine Learning търговска стратегия
- KMeans k-най-близки съседи (KNN) Класификация или регресионни дървета Генетичен алгоритъм Работа с многосимволни портфейли Използване на Risk Management рамка Използване на задно тестване, управлявано от събития
Оценяване на ефективността на вашата Machine Learning търговска стратегия
- Използване на съотношението на Шарп Изчисляване на максимално усвояване с помощта на сложен годишен темп на растеж (CAGR) Измерване на разпределението на възвръщаемостта с помощта на показатели на търговско ниво
Разширяване на възможностите на вашата компания
- Разработване на модели в облака Използване на GPU за ускоряване на задълбочено обучение Прилагане на задълбочено обучение Neural Networks за компютърно зрение, гласово разпознаване и анализ на текст
Обобщение и заключение
Изисквания
- Programming опит с всеки език
- Основни познания по статистика и линейна алгебра
28 Hours