Cursos de Machine Learning for Finance (with Python)

Last updated

Código do Curso

mlfinancepython

Duração

21 horas (usualmente 3 dias incluindo pausas)

Requisitos

  • Basic experience with Python programming
  • Basic familiarity with statistics and linear algebra

Visão geral

O aprendizado de máquina é um ramo da Inteligência Artificial em que os computadores têm a capacidade de aprender sem serem programados explicitamente. Python é uma linguagem de programação famosa por sua sintaxe e legibilidade claras. Oferece uma excelente coleção de bibliotecas e técnicas bem testadas para o desenvolvimento de aplicativos de aprendizado de máquina.

Neste treinamento ao vivo conduzido por instrutor, os participantes aprenderão como aplicar técnicas e ferramentas de aprendizado de máquina para resolver problemas do mundo real no setor financeiro.

Os participantes primeiro aprendem os princípios-chave e, em seguida, colocam seus conhecimentos em prática, construindo seus próprios modelos de aprendizado de máquina e usando-os para concluir uma série de projetos de equipe.

No final deste treinamento, os participantes serão capazes de:

  • Entenda os conceitos fundamentais no aprendizado de máquina
  • Aprenda os aplicativos e usos do aprendizado de máquina em finanças
  • Desenvolva sua própria estratégia de negociação algorítmica usando o aprendizado de máquina com o Python

Público

  • Desenvolvedores
  • Cientistas de dados

Formato do curso

  • Palestra parcial, parte discussão, exercícios e prática prática

Machine Translated

Programa do Curso

Introduction

  • Difference between statistical learning (statistical analysis) and machine learning
  • Adoption of machine learning technology and talent by finance companies

Understanding Different Types of Machine Learning

  • Supervised learning vs unsupervised learning
  • Iteration and evaluation
  • Bias-variance trade-off
  • Combining supervised and unsupervised learning (semi-supervised learning)

Understanding Machine Learning Languages and Toolsets

  • Open source vs proprietary systems and software
  • Python vs R vs Matlab
  • Libraries and frameworks

Understanding Neural Networks

Understanding Basic Concepts in Finance

  • Understanding Stocks Trading
  • Understanding Time Series Data
  • Understanding Financial Analyses

Machine Learning Case Studies in Finance

  • Signal Generation and Testing
  • Feature Engineering
  • Artificial Intelligence Algorithmic Trading
  • Quantitative Trade Predictions
  • Robo-Advisors for Portfolio Management
  • Risk Management and Fraud Detection
  • Insurance Underwriting

Hands-on: Python for Machine Learning

  • Setting Up the Workspace
  • Obtaining Python machine learning libraries and packages
  • Working with Pandas
  • Working with Scikit-Learn

Importing Financial Data into Python

  • Using Pandas
  • Using Quandl
  • Integrating with Excel

Working with Time Series Data with Python

  • Exploring Your Data
  • Visualizing Your Data

Implementing Common Financial Analyses with Python

  • Returns
  • Moving Windows
  • Volatility Calculation
  • Ordinary Least-Squares Regression (OLS)    

Developing an Algorithmic Trading Strategy Using Supervised Machine Learning with Python

  • Understanding the Momentum Trading Strategy
  • Understanding the Reversion Trading Strategy
  • Implementing Your Simple Moving Averages (SMA) Trading Strategy

Backtesting Your Machine Learning Trading Strategy

  • Learning Backtesting Pitfalls
  • Components of Your Backtester
  • Using Python Backtesting Tools
  • Implementing Your Simple Backtester

Improving Your Machine Learning Trading Strategy

  • KMeans
  • K-Nearest Neighbors (KNN)
  • Classification or Regression Trees
  • Genetic Algorithm
  • Working with Multi-Symbol Portfolios
  • Using a Risk Management Framework
  • Using Event-Driven Backtesting

Evaluating Your Machine Learning Trading Strategy's Performance

  • Using the Sharpe Ratio
  • Calculating a Maximum Drawdown
  • Using Compound Annual Growth Rate (CAGR)
  • Measuring Distribution of Returns
  • Using Trade-Level Metrics
  • Summary

Troubleshooting

Closing Remarks

Declaração de Clientes

★★★★★
★★★★★

Categorias Relacionadas

Cursos Relacionados

Ofertas Especiais

Newsletter Ofertas Especiais

Nós respeitamos a privacidade dos seus dados. Nós não vamos repassar ou vender o seu email para outras empresas.
Você sempre poderá editar as suas preferências ou cancelar a sua inscriçāo.

Nossos Clientes

is growing fast!

We are looking for a good mixture of IT and soft skills in Portugal!

As a NobleProg Trainer you will be responsible for:

  • delivering training and consultancy Worldwide
  • preparing training materials
  • creating new courses outlines
  • delivering consultancy
  • quality management

At the moment we are focusing on the following areas:

  • Statistic, Forecasting, Big Data Analysis, Data Mining, Evolution Alogrithm, Natural Language Processing, Machine Learning (recommender system, neural networks .etc...)
  • SOA, BPM, BPMN
  • Hibernate/Spring, Scala, Spark, jBPM, Drools
  • R, Python
  • Mobile Development (iOS, Android)
  • LAMP, Drupal, Mediawiki, Symfony, MEAN, jQuery
  • You need to have patience and ability to explain to non-technical people

To apply, please create your trainer-profile by going to the link below:

Apply now!

This site in other countries/regions