חזק את הקריירה שלך: למידת מכונה בתחום הפיננסים. הרחב את המיומנויות שלך באלגוריתמים ובכלים הנדרשים לחיזוי השווקים הפיננסיים.
תפריט
חזק את הקריירה שלך: למידת מכונה בתחום הפיננסים. הרחב את המיומנויות שלך באלגוריתמים ובכלים הנדרשים לחיזוי השווקים הפיננסיים.
מוצע על ידי: קורסרה (מה זה קורסרה?)
סדרה של 4 קורסים
לא נדרש ידע מוקדם
ללא סיכונים מיותרים
המטרה העיקרית של ההתמחות הזו היא לספק את הידע ואת הכישורים המעשיים הנדרשים כדי לפתח בסיס חזק לגבי הפרדיגמות והאלגוריתמים המרכזיים של למידת מכונה (ML), עם דגש מיוחד על יישומים של ML לבעיות מעשיות שונות בתחום הפיננסים. ההתמחות מכוונת לסייע לסטודנטים להיות מסוגלים לפתור בעיות מעשיות המתאימות ללמידת מכונה שעלולות לצוץ בחיי היום-יום, אשר כוללות:
המודולים יכולים להיות נלקחים גם בנפרד כדי לשפר כישורים רלוונטיים בתחום מסוים של יישומי ML לפיננסים.
ההתמחות מתמקדת בלמידת מכונה, כאשר כל הדוגמאות, המטלות הביתיות ופרויקטי הקורס עוסקים בבעיות שונות בתחום הפיננסים (כגון מסחר במניות, ניהול נכסים ויישומים בנקאיים), והבחירה של הנושאים מתבצעת תוך דגש על שיטות ML שנמצאות בשימוש על ידי אנשי מקצוע בתחום הפיננסים. ההתמחות מיועדת להכין את הסטודנטים לעבודה על פרויקטים מורכבים של למידת מכונה בפיננסים, אשר לרוב דורשים גם הבנה רחבה של כל תחום ה-ML, וגם הבנה לגבי המתודולוגיות השונות הזמינות בתחום ספציפי של ML (לדוגמה, למידה לא מפוקחת) כדי לפתור בעיות מעשיות שאפשר להיתקל בהן בעבודתיהם.
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.
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.
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.
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.
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:
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.
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:
