קורס אונליין – תעודה מקצועית מוסמכת בלמידת מכונה בתחום הפיננסים של גוגל ואוניברסיטת ניו יורק

סיור מודרך בלמידת מכונה במימון

קורס 1

• 24 שעות
• 3.8 (673 דירוגים)

פרטי הקורס

מה תלמד

המטרה של קורס זה היא לספק סקירה ראשונית ורחבה של תחום למידת מכונה (ML) תוך התמקדות ביישומים במימון. בשיעור הסופי נעשה שימוש בשיטות למידת מכונה מפוקחת כדי לנבא סגירת בנקים. למרות שניתן לקחת קורס זה בנפרד, הוא משמש כהקדמה לנושאים שיכוסו בהרחבה במודולים הבאים בהכשרה "למידת מכונה ולמידת חיזוק במימון".

המטרה של סיור מודרך בלמידת מכונה במימון היא להבין מה זו למידת מכונה, למה היא משמשת וכמה בעיות פיננסיות שונות ניתן ליישם בה.

הקורס מיועד לשלוש קבוצות של תלמידים:

• Practitioners עובדים במוסדות פיננסיים כמו בנקים, חברות לניהול נכסים או קרנות גידור
• יחידים המעוניינים ביישומים של ML עבור מסחר יומי אישי
• סטודנטים לתואר מלא במימון, סטטיסטיקה, מדעי המחשב, מתמטיקה, פיזיקה, הנדסה או דיסציפלינות קשורות המעוניינים ללמוד על יישומים מעשיים של ML במימון

נדרש ניסיון עם פייתון (כולל numpy, pandas, ו-IPython/Jupyter notebooks), אלגברה לינארית, תיאוריה בסיסית של הסיכוי וחישוב בסיסי כדי להשלים את המטלות בקורס זה.

יסודות למידת מכונה במימון

קורס 2

• 18 שעות
• 3.7 (335 דירוגים)

פרטי הקורס

מה תלמד

קורס זה נועד לסייע לתלמידים לפתור בעיות מעשיות המתאימות ללמידת מכונה, אשר עשויות להתעורר בחיים האמיתיים, שכוללות: (1) להבין היכן הבעיה שעמם ממוקמת על המפה הכללית של שיטות ML זמינות, (2) להבין אילו גישות ML ספציפיות יהיו המתאימות ביותר לפתרון הבעיה, ו-(3) יכולת ליישם בהצלחה פתרון, ולהעריך את הביצועים שלו. תלמיד עם ידע קודם מועט או שאינו מכיר את למידת מכונה (ML) ייחשף לאלגוריתמים העיקריים של למידה מפוקחת, למידה לא מפוקחת ולמידת חיזוק, ויוכל להשתמש בחבילות קוד פתוח של פייתון כדי לעצב, לבדוק וליישם אלגוריתמים של ML במימון.

יסודות למידת מכונה במימון יספקו מבט מעמיק יותר על למידה מפוקחת, למידה לא מפוקחת ולמידת חיזוק, ויסתיימו בפרויקט שבו נעשה שימוש בלמידה לא מפוקחת ליישום אסטרטגיית מסחר פשוטה.

הקורס מיועד לשלוש קבוצות של תלמידים:

• Practitioners עובדים במוסדות פיננסיים כמו בנקים, חברות לניהול נכסים או קרנות גידור
• יחידים המעוניינים ביישומים של ML עבור מסחר יומי אישי
• סטודנטים לתואר מלא במימון, סטטיסטיקה, מדעי המחשב, מתמטיקה, פיזיקה, הנדסה או דיסציפלינות קשורות המעוניינים ללמוד על יישומים מעשיים של ML במימון

נדרש ניסיון עם פייתון (כולל numpy, pandas, ו-IPython/Jupyter notebooks), אלגברה לינארית, תיאוריה בסיסית של הסיכוי וחישוב בסיסי כדי להשלים את המטלות בקורס זה.

למידת חיזוק במימון

קורס 3

• 17 שעות
• 3.5 (131 דירוגים)

פרטי הקורס

מה תלמד

קורס זה נועד להציג את העקרונות הבסיסיים של למידת חיזוק (RL), ולפתח מקרים יישומיים ליישום RL להערכת אופציות, מסחר וניהול נכסים. בסוף הקורס, הסטודנטים יוכלו:

• להשתמש בלמידת חיזוק כדי לפתור בעיות קלאסיות במימון כמו אופטימיזציה של תיקי השקעות, מסחר אופטימלי, והערכת אופציות וניהול סיכונים.
• להתאמן על דוגמאות יקרות ערך כמו Q-learning באמצעות בעיות פיננסיות.
• ליישם את הידע שצברו בקורס במודל פשוט לדינמיקת השוק המתקבל באמצעות למידת חיזוק בפרויקט הקורס.

דרישות קדם הן הקורסים "סיור מודרך בלמידת מכונה במימון" ו"יסודות למידת מכונה במימון". צפוי שהתלמידים ידעו על תהליך הלוג-נורמלי וכיצד ניתן לסימול אותו. ידע על הערכת אופציות אינו חובה אך רצוי.

הכישורים שתשיג

• קטגוריה: Q-learning באמצעות בעיות פיננסיות
• קטגוריה: הערכת אופציות וניהול סיכונים
• קטגוריה: מודל פשוט לדינמיקה של שוק
• קטגוריה: אופטימיזציה של תיקי השקעות
• קטגוריה: מסחר אופטימלי

סקירה של שיטות מתקדמות בלמידת חיזוק במימון

קורס 4

• 13 שעות
• 3.8 (83 דירוגים)

פרטי הקורס

מה תלמד

בקורס האחרון בהכשרה שלנו, סקירה של שיטות מתקדמות בלמידת חיזוק במימון, נבקש להעמיק בנושאים שדנו בהם בקורס השלישי שלנו, למידת חיזוק במימון. בפרט, נדבר על הקשרים בין למידת חיזוק, הערכת אופציות ופיזיקה, ההשלכות של למידת חיזוק הפוכה עבור מודל ההשפעה על השוק ודינמיקת מחירים, ומחזורי תפיסה-פעולה בלמידת חיזוק. לבסוף, נעביר סקירה על יישומים פוטנציאליים של למידת חיזוק במסחר בהיקפים גבוהים, מטבעות קריפטוגרפיים, הלוואות בין אישיות ועוד.

אחרי שלקחו קורס זה, התלמידים יוכלו:

• להסביר מושגי יסוד במימון כמו איזון שוק, אי-ואריאביליות, ותצפיות.
• לדון במודלים שוקיים.
• ליישם את מתודולוגיות למידת חיזוק במסחר בהיקפים גבוהים, ניהול סיכוני אשראי בהלוואות בין אישיות, ובמסחר במטבעות קריפטוגרפיים.