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
Införandet
- Skillnaden mellan statistisk inlärning (statistisk analys) och maskininlärning
- Finansbolagens användning av maskininlärningsteknik och talang
Förstå olika typer av Machine Learning
- Övervakad inlärning kontra oövervakad inlärning
- Iteration och utvärdering
- Avvägning mellan bias och varians
- Kombinera övervakad och oövervakad inlärning (semi-övervakad inlärning)
Förstå Machine Learning Languages och verktygsuppsättningar
- Öppen källkod kontra proprietära system och programvara
- Python jämfört med R jämfört med Matlab
- Bibliotek och ramverk
Förståelse Neural Networks
Förstå grundläggande begrepp i Finance
- Förstå aktiehandel
- Förstå tidsseriedata
- Förstå finansiella analyser
Machine Learning Fallstudier i Finance
- Signalgenerering och testning
- Funktion Teknik
- Algoritmisk handel med artificiell intelligens
- Kvantitativa handelsförutsägelser
- Robo-rådgivare för portfölj Management
- Risk Management och upptäckt av bedrägerier
- Tecknande av försäkringar
Introduktion till R
- Installera RStudio IDE
- Läser in R-paket
- Datastrukturer
- Vektorer
- Faktorer
- Listor
- Ramar för data
- Matriser och matriser
Importera finansiella data till R
- Databases, Data Warehouses och strömmande data
- Distribuerad lagring och bearbetning med Hadoop och Spark
- Importera data från en Database
- Importera data från Excel och CSV
Implementera regressionsanalys med R
- Linjär regression
- Generaliseringar och olinjäritet
Utvärdering av Machine Learning algoritmers prestanda
- Korsvalidering och omsampling
- Bootstrap Aggregering (påsning)
- Övning
Utveckla en algoritmisk handelsstrategi med R
- Ställa in din arbetsmiljö
- Insamling och granskning av lagerdata
- Implementera en trendföljande strategi
Backtesta din Machine Learning handelsstrategi
- Fallgropar för att lära sig backtesting
- Komponenter i din Backtester
- Implementera din enkla backtester
Förbättra din Machine Learning handelsstrategi
- KMeans
- k-Närmaste grannar (KNN)
- Klassificerings- eller regressionsträd
- Genetisk algoritm
- Arbeta med portföljer med flera symboler
- Att använda en riskram Management
- Använda händelsestyrd backtesting
Utvärdera din Machine Learning handelsstrategis prestanda
- Använda Sharpekvoten
- Beräkna en maximal drawdown
- Använda sammansatt årlig tillväxttakt (CAGR)
- Mätning av fördelning av avkastning
- Använda mätvärden på handelsnivå
Utöka ditt företags kapacitet
- Utveckla modeller i molnet
- Använda GPUs för att accelerera Deep Learning
- Tillämpa Deep Learning Neural Networks för Computer syn, röstigenkänning och textanalys
Sammanfattning och slutsats
Krav
- Programming erfarenhet av vilket språk som helst
- Grundläggande förtrogenhet med statistik och linjär algebra
28 timmar