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.
Kursplan
Introduksjon
- Forskjellen mellom statistisk læring (statistisk analyse) og maskinlæring Adopsjon av maskinlæringsteknologi og talent av finansselskaper
Forstå ulike typer Machine Learning
- Veiledet læring vs uovervåket læring Iterasjon og evaluering Bias-variance trade-off Kombinere veiledet og uovervåket læring (semi-veiledet læring)
Forstå Machine Learning Språk og verktøysett
- Åpen kildekode vs proprietære systemer og programvare Python vs R vs Matlab biblioteker og rammeverk
Forståelse Neural Networks
Forstå grunnleggende konsepter i Finance
- Forstå aksjehandel Forstå tidsseriedata Forstå finansielle analyser
Machine Learning Kasusstudier i finans
- Signalgenerering og testfunksjon Engineering Artificial Intelligence Algoritmisk handel Kvantitative handelsspådommer Robo-rådgivere for porteføljestyring Risk Management og svindeldeteksjonsforsikringsforsikring
Introduksjon til R
- Installere RStudio IDE Laster R-pakker Datastrukturer Vektorer Faktorer Lister datarammer Matriser og matriser
Importere økonomiske data til R
- Databaser, datavarehus og streaming av data distribuert lagring og behandling med Hadoop og Spark Importerer data fra en database Importerer data fra Excel og CSV
Implementering av regresjonsanalyse med R
- Lineær regresjonsgeneraliseringer og ikke-linearitet
Evaluering av ytelsen til Machine Learning Algoritmer
- Kryssvalidering og omsampling Bootstrap Aggregasjonsøvelse (bagging).
Utvikle en algoritmisk handelsstrategi med R
- Sette opp arbeidsmiljøet Samle inn og undersøke lagerdata Implementere en trendfølgestrategi
Tilbaketesting av din Machine Learning handelsstrategi
- Lære fallgruver for backtesting Komponenter til backtesteren din Implementering av din enkle backtester
Forbedre din Machine Learning handelsstrategi
- KMeans k-Nearest Neighbors (KNN) klassifisering eller regresjonstrær Genetisk algoritme Arbeide med multi-symbolporteføljer ved å bruke et Risk Management rammeverk ved bruk av hendelsesdrevet tilbaketesting
Evaluering av ytelsen til din Machine Learning handelsstrategi
- Bruke Sharpe-forholdet Beregne et maksimalt uttak ved å bruke sammensatt årlig veksthastighet (CAGR) Måle distribusjon av avkastning ved å bruke beregninger på handelsnivå
Utvide bedriftens evner
- Utvikle modeller i skyen ved å bruke GPU-er for å akselerere dyp læring Ved å bruke dyp læring Neural Networks for datasyn, stemmegjenkjenning og tekstanalyse
Oppsummering og konklusjon
Krav
- Programming erfaring med hvilket som helst språk
- Grunnleggende kjennskap til statistikk og lineær algebra
28 timer
