یادگیری ماشین برای تخصص تجارت

حرفه خود را در یادگیری ماشین برای تجارت شروع کنید. تکنیک های یادگیری ماشینی مورد استفاده در معاملات کمی را بیاموزید.

ستاره پر شده ستاره ها امتیاز: 963

جک فارمر

کمک های مالی در دسترس است

23 189 قبلا ثبت نام کرده اند Google Cloud موسسه مالی نیویورک یادگیری ماشین برای تجارت تخصصی Google Cloud

چه چیزی یاد خواهید گرفت

ساختار و تکنیک های مورد استفاده در استراتژی های یادگیری ماشینی، یادگیری عمیق و یادگیری تقویتی (RL) را درک کنید.

مراحل مورد نیاز برای توسعه و آزمایش یک استراتژی معاملاتی مبتنی بر ML را شرح دهید. روش های مورد استفاده برای بهینه سازی استراتژی معاملاتی مبتنی بر ML را شرح دهید. از Keras و Tensorflow برای ساخت مدل های یادگیری ماشین استفاده کنید.

مهارت های اکتسابی

• دارایی، مالیه، سرمایه گذاری
• تجارت
• سرمایه گذاری
• یادگیری ماشین در امور مالی اعمال شد
• تجارت الگوریتمی
• برنامه نویسی پایتون
• فراگیری ماشین
• توسعه مدل یادگیری تقویتی
• بهینه سازی الگوریتم تجارت یادگیری تقویتی
• توسعه استراتژی تجارت یادگیری تقویتی
• توسعه الگوی تجارت یادگیری تقویتی

تخصص: اطلاعات عمومی

بازدید اخیر: 11 394

این تخصص 3 دوره ای از موسسه دارایی Google Cloud و New York (NYIF) برای متخصصان دارایی است ، از جمله اما محدود به معامله گران صندوق های تامینی ، تحلیلگران ، معامله گران روز ، افراد درگیر در مدیریت سرمایه گذاری یا مدیریت نمونه کارها و هر کسی که علاقه مند به دستیابی به آن باشددانش بیشتر در مورد چگونگی ساخت استراتژی های تجاری مؤثر با استفاده از یادگیری ماشین (ML) و پایتون. از طرف دیگر ، این برنامه می تواند برای متخصصان یادگیری ماشینی باشد که به دنبال استفاده از کاردستی خود در استراتژی های معاملاتی کمی هستند. با پایان تخصص ، شما می دانید که چگونه می توانید از قابلیت های Google Cloud برای توسعه و استقرار مدل های یادگیری بدون سرور ، مقیاس پذیر ، عمیق و تقویت کننده استفاده کنید تا استراتژی های معاملاتی ایجاد کنید که می تواند خود را به روز و آموزش دهد. به عنوان یک چالش ، از شما دعوت شده است تا از مفاهیم یادگیری تقویت برای استفاده از موارد در تجارت استفاده کنید. این برنامه برای کسانی که درک پایه های یادگیری ماشین در سطح متوسط دارند ، در نظر گرفته شده است. برای تکمیل موفقیت آمیز تمرینات موجود در برنامه ، شما باید در برنامه نویسی پایتون و آشنایی با کتابخانه های مرتبط برای یادگیری ماشین ، مانند Scikit-Lea ، Statsmodels و Pandas ، صلاحیت پیشرفته ای داشته باشید. پیشینه ای محکم در ML و آمار (از جمله رگرسیون ، طبقه بندی و مفاهیم آماری اساسی) و دانش اساسی بازارهای مالی (سهام ، اوراق ، مشتقات ، ساختار بازار و محافظت). تجربه با SQL توصیه می شود.

проект прикلانی

این سه دوره به شما نشان می دهد که چگونه می توانید استراتژی های مختلف تجارت کمی و الگوریتمی را با استفاده از پایتون ایجاد کنید. با پایان تخصص ، شما قادر خواهید بود استراتژی های معاملاتی کمی را با یادگیری ماشین ایجاد و تقویت کنید که می توانید در بازارهای سرمایه آموزش ، آزمایش و پیاده سازی کنید. همچنین یاد خواهید گرفت که چگونه از استراتژی های یادگیری عمیق و یادگیری تقویت شده برای ایجاد الگوریتم هایی استفاده کنید که می توانند خود را به روز و آموزش دهند.