Impulse su carrera: aprendizaje automático en finanzas. Amplíe sus habilidades en los algoritmos y herramientas necesarias para pronosticar los mercados financieros.
Suggested by: Coursera (What is Coursera?)
No prior knowledge required
No unnecessary risks
El principal objetivo de esta especialización es proporcionar el conocimiento y las habilidades prácticas necesarias para desarrollar una base sólida con respecto a los paradigmas y algoritmos clave del Aprendizaje Automático (ML), con especial énfasis en las aplicaciones de ML a diversos problemas prácticos en el campo de las finanzas. . La pasantía tiene como objetivo ayudar a los estudiantes a ser capaces de resolver problemas prácticos adecuados para el aprendizaje automático que puedan surgir en la vida cotidiana, que incluyen:
Los módulos también se pueden tomar individualmente para mejorar las habilidades relevantes en un área específica de aplicaciones de ML para finanzas.
La pasantía se centra en el aprendizaje automático, con todos los ejemplos, tareas y proyectos del curso que abordan diversos problemas en el campo de las finanzas (como el comercio de acciones, la gestión de activos y las aplicaciones bancarias), y la selección de temas se realiza con énfasis en ML. Métodos que utilizan los profesionales de las finanzas. La pasantía está diseñada para preparar a los estudiantes para trabajar en proyectos complejos de aprendizaje automático en finanzas, que a menudo requieren tanto una comprensión amplia de todo el campo de ML como una comprensión de las diversas metodologías disponibles en un campo de ML específico (por ejemplo, aprendizaje no supervisado). para resolver los problemas prácticos que se les puedan encontrar en su trabajo.
El objetivo de este curso es proporcionar una descripción general introductoria y amplia del campo del aprendizaje automático (ML) con un enfoque en las aplicaciones en finanzas. En la lección final, se utilizan métodos de aprendizaje automático supervisado para predecir cierres bancarios. Aunque este curso se puede realizar por separado, sirve como introducción a los temas que se tratarán en detalle en módulos posteriores de la formación «Aprendizaje automático y aprendizaje por refuerzo en finanzas».
El objetivo de una visita guiada sobre el aprendizaje automático en finanzas es comprender qué es el aprendizaje automático, para qué se utiliza y a cuántos problemas financieros diferentes se puede aplicar.
Se requiere experiencia con Python (incluidos numpy, pandas y cuadernos IPython/Jupyter), álgebra lineal, teoría de probabilidad básica y cálculo básico para completar las tareas de este curso.
Este curso está diseñado para ayudar a los estudiantes a resolver problemas prácticos adecuados para el aprendizaje automático que pueden surgir en la vida real, que incluyen: (1) comprender dónde se encuentra el problema en cuestión en el mapa general de métodos de ML disponibles, (2) comprender qué Los enfoques de ML serían los más adecuados para resolver el problema y (3) la capacidad de implementar con éxito una solución y evaluar su desempeño. Un estudiante con poco o ningún conocimiento previo de aprendizaje automático (ML) estará expuesto a los principales algoritmos de aprendizaje supervisado, aprendizaje no supervisado y aprendizaje por refuerzo, y podrá utilizar paquetes Python de código abierto para diseñar, probar e implementar ML. Algoritmos en finanzas.
Fundamentos del aprendizaje automático en finanzas proporcionará una visión más profunda del aprendizaje supervisado, el aprendizaje no supervisado y el aprendizaje por refuerzo, y concluirá con un proyecto en el que se utiliza el aprendizaje no supervisado para implementar una estrategia comercial simple.
Se requiere experiencia con Python (incluidos numpy, pandas y cuadernos IPython/Jupyter), álgebra lineal, teoría de probabilidad básica y cálculo básico para completar las tareas de este curso.
Este curso tiene como objetivo presentar los principios básicos del aprendizaje por refuerzo (RL) y desarrollar casos prácticos para aplicar RL a la valoración de opciones, el comercio y la gestión de activos. Al finalizar el curso, los estudiantes serán capaces de:
Los requisitos previos son los cursos «Visita guiada al aprendizaje automático en finanzas» y «Conceptos básicos del aprendizaje automático en finanzas». Se espera que los estudiantes conozcan el proceso log-normal y cómo se puede simbolizar. El conocimiento de la valoración de opciones no es obligatorio pero sí deseable.
En el último curso de nuestra formación, una visión general de los métodos avanzados de refuerzo del aprendizaje en finanzas, buscaremos profundizar en los temas que abordamos en nuestro tercer curso, refuerzo del aprendizaje en finanzas. En particular, hablaremos sobre las conexiones entre el aprendizaje por refuerzo, la valoración de opciones y la física, las implicaciones del aprendizaje por refuerzo inverso para el modelo de impacto del mercado y la dinámica de precios, y los ciclos percepción-acción en el aprendizaje por refuerzo. Finalmente, revisaremos las posibles aplicaciones del aprendizaje reforzado en operaciones de gran volumen, criptomonedas, préstamos entre pares y más.
Después de tomar este curso, los estudiantes podrán:
