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.
Course Outline
Perkenalan
- Perbedaan antara pembelajaran statistik (analisis statistik) dan pembelajaran mesin
- Adopsi teknologi pembelajaran mesin dan talenta oleh perusahaan pembiayaan
Memahami Berbagai Jenis Machine Learning
- Pembelajaran yang diawasi vs pembelajaran tanpa pengawasan
- Iterasi dan evaluasi
- Pertukaran bias-varians
- Menggabungkan pembelajaran yang diawasi dan tidak diawasi (pembelajaran semi-supervisi)
Pengertian Machine Learning Languages dan Toolset
- Sumber terbuka vs sistem dan perangkat lunak berpemilik
- Python vs R vs Matlab
- Perpustakaan dan kerangka kerja
Pemahaman Neural Networks
Memahami Konsep Dasar pada Finance
- Memahami Perdagangan Saham
- Memahami Data Deret Waktu
- Memahami Analisis Keuangan
Machine Learning Studi Kasus di Finance
- Pembuatan dan Pengujian Sinyal
- Rekayasa Fitur
- Perdagangan Algoritma Kecerdasan Buatan
- Prediksi Perdagangan Kuantitatif
- Robo-Advisor untuk Portofolio Management
- Risiko Management dan Deteksi Penipuan
- Penjaminan Asuransi
Praktek: Python untuk Machine Learning
- Menyiapkan Ruang Kerja
- Memperoleh Python perpustakaan dan paket pembelajaran mesin
- Bekerja dengan Pandas
- Bekerja dengan Scikit-Belajar
Mengimpor Data Keuangan ke Python
- Menggunakan Pandas
- Menggunakan Quandl
- Mengintegrasikan dengan Excel
Bekerja dengan Data Rangkaian Waktu dengan Python
- Menjelajahi Data Anda
- Memvisualisasikan Data Anda
Menerapkan Analisis Keuangan Umum dengan Python
- Returns
- Moving Windows
- Volatility Calculation
- Ordinary Least-Squares Regression (OLS)
Mengembangkan Strategi Trading Algoritmik Menggunakan Supervised Machine Learning dengan Python
- Memahami Strategi Perdagangan Momentum
- Memahami Strategi Perdagangan Reversi
- Menerapkan Strategi Perdagangan Simple Moving Averages (SMA) Anda
Menguji Kembali Strategi Perdagangan Machine Learning Anda
- Mempelajari Kesalahan Backtesting
- Komponen Backtester Anda
- Menggunakan Python Alat Pengujian Kembali
- Menerapkan Backtester Sederhana Anda
Meningkatkan Machine Learning Strategi Perdagangan Anda
- KMeans
- K-Tetangga Terdekat (KNN)
- Klasifikasi atau Pohon Regresi
- Algoritma genetika
- Bekerja dengan Portofolio Multi-Simbol
- Menggunakan Kerangka Risiko Management.
- Menggunakan Backtesting Berbasis Peristiwa
Mengevaluasi Kinerja Strategi Trading Machine Learning Anda
- Menggunakan Rasio Sharpe
- Menghitung Drawdown Maksimum
- Menggunakan Tingkat Pertumbuhan Tahunan Majemuk (CAGR)
- Mengukur Distribusi Pengembalian
- Menggunakan Metrik Tingkat Perdagangan
- Ringkasan
Penyelesaian masalah
Kata penutup
Requirements
- Pengalaman dasar dengan pemrograman Python.
- Keakraban dasar dengan statistik dan aljabar linier
21 Hours
Testimonials (2)
the ML ecosystem not only MLFlow but Optuna, hyperops, docker , docker-compose
Guillaume GAUTIER - OLEA MEDICAL
Course - MLflow
I enjoyed participating in the Kubeflow training, which was held remotely. This training allowed me to consolidate my knowledge for AWS services, K8s, all the devOps tools around Kubeflow which are the necessary bases to properly tackle the subject. I wanted to thank Malawski Marcin for his patience and professionalism for training and advice on best practices. Malawski approaches the subject from different angles, different deployment tools Ansible, EKS kubectl, Terraform. Now I am definitely convinced that I am going into the right field of application.
