Geef uw carrière een impuls: machinaal leren in de financiële wereld. Vergroot uw vaardigheden in de algoritmen en hulpmiddelen die nodig zijn om de financiële markten te voorspellen.
Suggested by: Coursera (What is Coursera?)
No prior knowledge required
No unnecessary risks
Het hoofddoel van deze specialisatie is het bieden van de kennis en praktische vaardigheden die nodig zijn om een sterke basis te ontwikkelen met betrekking tot de belangrijkste paradigma’s en algoritmen van Machine Learning (ML), met een speciale nadruk op toepassingen van ML op verschillende praktische problemen op financieel gebied. . De stage heeft tot doel studenten te helpen praktische problemen op te lossen die geschikt zijn voor machinaal leren en die zich in het dagelijks leven kunnen voordoen, waaronder:
De modules kunnen ook afzonderlijk worden gevolgd om relevante vaardigheden op een specifiek gebied van ML-toepassingen voor financiën te verbeteren.
De specialisatie richt zich op machinaal leren, waarbij alle voorbeelden, huiswerk- en cursusprojecten verschillende problemen op financieel gebied behandelen (zoals aandelenhandel, vermogensbeheer en banktoepassingen), en de selectie van de onderwerpen met nadruk wordt uitgevoerd. over ML-methoden die worden gebruikt door professionals op financieel gebied. De stage is bedoeld om studenten voor te bereiden op het werken aan complexe machine learning-projecten in de financiële wereld, die vaak zowel een breed begrip van het hele ML-veld vereisen als inzicht in de verschillende methodologieën die beschikbaar zijn in een specifiek ML-veld (bijvoorbeeld onbewaakt leren). om praktische problemen op te lossen die zij in hun werk kunnen tegenkomen.
Het doel van deze cursus is om een inleidend en breed overzicht te geven van het vakgebied machine learning (ML) met een focus op toepassingen in de financiële wereld. In de laatste les worden begeleide machine learning-methoden gebruikt om banksluitingen te voorspellen. Hoewel deze cursus afzonderlijk kan worden gevolgd, dient deze als introductie op de onderwerpen die in de volgende modules van de training ‘Machine Learning en Reinforcement Learning in Finance’ uitgebreid aan bod komen.
Het doel van een rondleiding door machine learning in de financiële wereld is om te begrijpen wat machine learning is, waarvoor het wordt gebruikt en op hoeveel verschillende financiële problemen het kan worden toegepast.
Ervaring met Python (inclusief numpy, panda’s en IPython/Jupyter-notebooks), lineaire algebra, basiswaarschijnlijkheidstheorie en basisrekening is vereist om de opdrachten in deze cursus te voltooien.
Deze cursus is bedoeld om studenten te helpen bij het oplossen van praktische problemen die geschikt zijn voor machinaal leren en die zich in het echte leven kunnen voordoen, waaronder: (1) begrijpen waar het probleem zich bevindt op de algemene kaart van beschikbare ML-methoden, (2) begrijpen welke specifieke ML-benaderingen zouden het meest geschikt zijn voor het oplossen van het probleem, en (3) het vermogen om een oplossing met succes te implementeren en de prestaties ervan te evalueren. Een leerling met weinig of geen voorkennis van machinaal leren (ML) zal worden blootgesteld aan de belangrijkste algoritmen van begeleid leren, onbewaakt leren en versterkend leren, en zal open source Python-pakketten kunnen gebruiken om ML te ontwerpen, testen en implementeren algoritmen in de financiële sector.
Fundamentals of Machine Learning in Finance zal dieper ingaan op begeleid leren, onbewaakt leren en versterkend leren, en zal afsluiten met een project waarbij onbewaakt leren wordt gebruikt om een eenvoudige handelsstrategie te implementeren.
Ervaring met Python (inclusief numpy, panda’s en IPython/Jupyter-notebooks), lineaire algebra, basiswaarschijnlijkheidstheorie en basisrekening is vereist om de opdrachten in deze cursus te voltooien.
Deze cursus heeft tot doel de basisprincipes van versterkend leren (RL) te introduceren en praktische cases te ontwikkelen voor de toepassing van RL op optiewaardering, handel en vermogensbeheer. Aan het einde van de cursus kunnen studenten:
Vereisten zijn de cursussen “Rondleiding door Machine Learning in Finance” en “Basics of Machine Learning in Finance”. Er wordt verwacht dat de leerlingen kennis hebben van het log-normale proces en hoe dit gesymboliseerd kan worden. Kennis van optiewaardering is niet verplicht maar wel wenselijk.
In de laatste cursus van onze training, een overzicht van geavanceerde methoden voor leerversterking in de financiële wereld, zullen we proberen de kwesties te verdiepen die we in onze derde cursus, leerversterking in de financiële wereld, hebben besproken. In het bijzonder zullen we praten over de verbindingen tussen versterkend leren, optiewaardering en natuurkunde, de implicaties van invers versterkend leren voor het marktimpactmodel en prijsdynamiek, en perceptie-actiecycli bij versterkend leren. Ten slotte zullen we mogelijke toepassingen van versterkend leren beoordelen in grootschalige handel, cryptocurrencies, peer-to-peer-leningen en meer.
Na het volgen van deze cursus kunnen studenten:
