تعزيز حياتك المهنية: التعلم الآلي في مجال التمويل. قم بتوسيع مهاراتك في الخوارزميات والأدوات اللازمة للتنبؤ بالأسواق المالية.
Suggested by: Coursera (What is Coursera?)
No prior knowledge required
No unnecessary risks
الهدف الرئيسي من هذا التخصص هو توفير المعرفة والمهارات العملية اللازمة لتطوير أساس قوي فيما يتعلق بالنماذج والخوارزميات الرئيسية للتعلم الآلي (ML)، مع التركيز بشكل خاص على تطبيقات ML لمختلف المشاكل العملية في مجال التمويل. . يهدف التدريب إلى مساعدة الطلاب على حل المشكلات العملية المناسبة للتعلم الآلي والتي قد تنشأ في الحياة اليومية، والتي تشمل:
يمكن أيضًا أخذ الوحدات بشكل فردي لتحسين المهارات ذات الصلة في مجال معين من تطبيقات ML للتمويل.
يركز التدريب على التعلم الآلي، مع جميع الأمثلة والواجبات المنزلية ومشاريع الدورات التي تتناول مشاكل مختلفة في مجال التمويل (مثل تداول الأسهم وإدارة الأصول والتطبيقات المصرفية)، ويتم اختيار المواضيع مع التركيز على تعلم الآلة الأساليب التي يستخدمها المهنيون الماليون. تم تصميم هذا التدريب لإعداد الطلاب للعمل في مشاريع التعلم الآلي المعقدة في مجال التمويل، والتي غالبًا ما تتطلب فهمًا واسعًا لمجال تعلم الآلة بأكمله، وفهم المنهجيات المختلفة المتاحة في مجال تعلم الآلة المحدد (على سبيل المثال، التعلم غير الخاضع للرقابة). لحل المشكلات العملية التي قد تواجههم في عملهم.
الهدف من هذه الدورة هو تقديم نظرة عامة تمهيدية وواسعة عن مجال التعلم الآلي (ML) مع التركيز على التطبيقات في مجال التمويل. في الدرس الأخير، يتم استخدام أساليب التعلم الآلي الخاضعة للإشراف للتنبؤ بإغلاق البنوك. على الرغم من أنه يمكن أخذ هذه الدورة بشكل منفصل، إلا أنها بمثابة مقدمة للموضوعات التي سيتم تناولها بالتفصيل في الوحدات اللاحقة في تدريب “التعلم الآلي والتعلم المعزز في مجال المالية”.
الهدف من الجولة الإرشادية للتعلم الآلي في مجال التمويل هو فهم ماهية التعلم الآلي، والغرض من استخدامه، وعدد المشكلات المالية المختلفة التي يمكن تطبيقه عليها.
مطلوب خبرة في لغة Python (بما في ذلك دفاتر ملاحظات numpy وpandas وIPython/Jupyter) والجبر الخطي ونظرية الاحتمالات الأساسية وحساب التفاضل والتكامل الأساسي لإكمال المهام في هذه الدورة.
تم تصميم هذه الدورة لمساعدة الطلاب على حل المشكلات العملية المناسبة للتعلم الآلي التي قد تنشأ في الحياة الواقعية، والتي تشمل: (1) فهم موقع المشكلة المطروحة على الخريطة العامة لطرق تعلم الآلة المتاحة، (2) فهم أي منها محدد ستكون أساليب تعلم الآلة هي الأنسب لحل المشكلة، و(3) القدرة على تنفيذ الحل بنجاح، وتقييم أدائه. سيتعرض الطالب الذي لديه معرفة سابقة قليلة أو معدومة بالتعلم الآلي (ML) للخوارزميات الرئيسية للتعلم الخاضع للإشراف، والتعلم غير الخاضع للإشراف، والتعلم المعزز، وسيكون قادرًا على استخدام حزم Python مفتوحة المصدر لتصميم التعلم الآلي واختباره وتنفيذه الخوارزميات في التمويل.
ستوفر أساسيات التعلم الآلي في مجال التمويل نظرة أعمق على التعلم الخاضع للإشراف، والتعلم غير الخاضع للإشراف، والتعلم المعزز، وستختتم بمشروع حيث يتم استخدام التعلم غير الخاضع للإشراف لتنفيذ استراتيجية تداول بسيطة.
مطلوب خبرة في لغة Python (بما في ذلك دفاتر ملاحظات numpy وpandas وIPython/Jupyter) والجبر الخطي ونظرية الاحتمالات الأساسية وحساب التفاضل والتكامل الأساسي لإكمال المهام في هذه الدورة.
تهدف هذه الدورة إلى تقديم المبادئ الأساسية للتعلم المعزز (RL)، وتطوير حالات عملية لتطبيق RL على تقييم الخيارات والتداول وإدارة الأصول. في نهاية الدورة سيكون الطلاب قادرين على:
المتطلبات الأساسية هي دورات “جولة إرشادية للتعلم الآلي في التمويل” و”أساسيات التعلم الآلي في التمويل”. من المتوقع أن يعرف الطلاب عن العملية اللوغاريتمية العادية وكيف يمكن ترميزها. معرفة تقييم الخيار ليست إلزامية ولكنها مرغوبة.
في الدورة الأخيرة من تدريبنا، نظرة عامة على الأساليب المتقدمة في تعلم التعزيز في التمويل، سنسعى إلى تعميق القضايا التي ناقشناها في دورتنا الثالثة، تعلم التعزيز في التمويل. على وجه الخصوص، سنتحدث عن الروابط بين التعلم المعزز، وتقييم الخيارات والفيزياء، والآثار المترتبة على التعلم المعزز العكسي لنموذج تأثير السوق وديناميكيات الأسعار، ودورات الإدراك والفعل في التعلم المعزز. أخيرًا، سنراجع التطبيقات المحتملة للتعلم المعزز في التداول كبير الحجم، والعملات المشفرة، والإقراض من نظير إلى نظير، والمزيد.
بعد أخذ هذه الدورة، سيكون الطلاب قادرين على:
