Este curso faz parte do Programa de cursos integrados Machine Learning and Reinforcement Learning in Finance

3.8
estrelas
317 classificações

Igor Halperin

18.040 já se inscreveram

oferecido por

Programa de cursos integrados Machine Learning and Reinforcement Learning in FinanceNew York University

Informações sobre o curso

8.843 visualizações recentes

The course aims at helping students to be able to solve practical ML-amenable problems that they may encounter in real life that include: (1) understanding where the problem one faces lands on a general landscape of available ML methods, (2) understanding which particular ML approach(es) would be most appropriate for resolving the problem, and (3) ability to successfully implement a solution, and assess its performance.  
A learner with some or no previous knowledge of Machine Learning (ML)  will get to know main algorithms of Supervised and Unsupervised Learning, and Reinforcement Learning, and will be able to use ML open source Python packages to design, test, and implement ML algorithms in Finance.
Fundamentals of Machine Learning in Finance will provide more at-depth view of supervised, unsupervised, and reinforcement learning, and end up in a project on using unsupervised learning for implementing a simple portfolio trading strategy.

The course is designed for three categories of students:
Practitioners working at financial institutions such as banks, asset management firms or hedge funds
Individuals interested in applications of ML for personal day trading
Current full-time students pursuing a degree in Finance, Statistics, Computer Science, Mathematics, Physics, Engineering or other related disciplines who want to learn about practical applications of ML in Finance  

Experience with Python (including numpy, pandas, and IPython/Jupyter notebooks), linear algebra, basic probability theory and basic calculus is necessary to complete assignments in this course.

Prazos flexíveis

Redefinir os prazos de acordo com sua programação.

Certificados compartilháveis

Tenha o certificado após a conclusão

100% on-line

Comece imediatamente e aprenda em seu próprio cronograma.

Curso 2 de 4 no

Programa de cursos integrados Machine Learning and Reinforcement Learning in Finance

Nível intermediário

Aprox. 18 horas para completar

Inglês

Prazos flexíveis

Redefinir os prazos de acordo com sua programação.

Certificados compartilháveis

Tenha o certificado após a conclusão

100% on-line

Comece imediatamente e aprenda em seu próprio cronograma.

Curso 2 de 4 no

Programa de cursos integrados Machine Learning and Reinforcement Learning in Finance

Nível intermediário

Aprox. 18 horas para completar

Inglês

Instrutores

Classificação do instrutor

3,95/5 (23 classificações)

Igor Halperin

44.515 aprendizes

4 Cursos

oferecido por

New York University

Programa - O que você aprenderá com este curso

Semana

Semana 1

5 horas para concluir

Fundamentals of Supervised Learning in Finance

5 horas para concluir

9 vídeos (Total 71 mín.), 4 leituras, 1 teste

9 videos

What is Machine Learning in Finance?5min

Introduction to Fundamentals of Machine Learning in Finance4min

Support Vector Machines, Part 18min

Support Vector Machines, Part 27min

SVM. The Kernel Trick8min

Example: SVM for Prediction of Credit Spreads9min

Tree Methods. CART Trees9min

Tree Methods: Random Forests8min

Tree Methods: Boosting9min

4 leituras

A. Smola and B. Scholkopf, “A Tutorial on Support Vector Regression”, Statistics and Computing, vol. 14, pp. 199-229, 200415min

A. Geron, “Hands-On Machine Learning with Scikit-Learn and TensorFlow”, Chapters 6 & 730min

K. Murphy, “Machine Learning: A Probabilistic Perspective”, MIT Press, 2009, Chapter 16.415min

Jupyter Notebook FAQ10min

Semana

Semana 2

4 horas para concluir

Core Concepts of Unsupervised Learning, PCA & Dimensionality Reduction

4 horas para concluir

6 vídeos (Total 54 mín.), 3 leituras, 1 teste

Semana

Semana 3

4 horas para concluir

Data Visualization & Clustering

4 horas para concluir

7 vídeos (Total 50 mín.), 3 leituras, 1 teste

7 videos

UL. Clustering Algorithms4min

UL. K-clustering8min

UL. K-means Neural Algorithm7min

UL. Hierarchical Clustering Algorithms10min

UL. Clustering and Estimation of Equity Correlation Matrix5min

UL. Minimum Spanning Trees, Kruskal Algorithm6min

UL. Probabilistic Clustering6min

3 leituras

C. Bishop, “Pattern Recognition and Machine Learning”, Clustering and EM: Chapter 930min

G. Bonanno et. al. “Networks of equities in financial markets”, The European Physical Journal B, vol. 38, issue 2, pp. 363-371 (2004)15min

Jupyter Notebook FAQ10min

Semana

Semana 4

5 horas para concluir

Sequence Modeling and Reinforcement Learning

5 horas para concluir

11 vídeos (Total 101 mín.), 3 leituras, 1 teste

11 videos

SM. Latent Variables7min

Sequence Modeling10min

SM. Latent Variables for Sequences8min

SM. State-Space Models9min

SM. Hidden Markov Models9min

Neural Architecture for Sequential Data12min

RL. Introduction8min

RL. Core Ideas7min

Markov Decision Process and RL8min

RL. Bellman Equation6min

RL and Inverse Reinforcement Learning11min

3 leituras

C. Bishop, “Pattern Recognition and Machine Learning”, Chapter 1310min

S. Marsland, “Machine Learning: an Algorithmic Perspective” (Chapman & Hall 2009), Chapter 1315min

Jupyter Notebook FAQ10min

Avaliações

3.8

73 avaliações

5 stars
45,42%
4 stars
20,82%
3 stars
14,51%
2 stars
5,04%
1 star
14,19%

Principais avaliações do FUNDAMENTALS OF MACHINE LEARNING IN FINANCE

por JJ24 de dez de 2018

So far so good. The lecturer refers to projects of which some weren't covered in this course. So a little confusing. Takes lots of googling to finish this course.

por CV24 de jul de 2020

Great class, but don't believe the programming assignment time estimates... takes way longer!

por AT2 de set de 2019

Great course which covers both theories as well as practical skills in the real implementations in the financial world.

por AT9 de ago de 2019

Furthered my understanding of how probabilistic models are connected to Machine Learning models. Very happy with the content in this course.

Visualizar todas as avaliações

Sobre Programa de cursos integrados Machine Learning and Reinforcement Learning in Finance

The main goal of this specialization is to provide the knowledge and practical skills necessary to develop a strong foundation on core paradigms and algorithms of machine learning (ML), with a particular focus on applications of ML to various practical problems in Finance.

The specialization aims at helping students to be able to solve practical ML-amenable problems that they may encounter in real life that include: (1) mapping the problem on a general landscape of available ML methods, (2) choosing particular ML approach(es) that would be most appropriate for resolving the problem, and (3) successfully implementing a solution, and assessing its performance. The specialization is designed for three categories of students: · Practitioners working at financial institutions such as banks, asset management firms or hedge funds · Individuals interested in applications of ML for personal day trading · Current full-time students pursuing a degree in Finance, Statistics, Computer Science, Mathematics, Physics, Engineering or other related disciplines who want to learn about practical applications of ML in Finance. The modules can also be taken individually to improve relevant skills in a particular area of applications of ML to finance.

Machine Learning and Reinforcement Learning in Finance

Perguntas Frequentes – FAQ

Quando terei acesso às palestras e às tarefas?
O acesso a palestras e tarefas depende do tipo de inscrição. Se você participar de um curso como ouvinte, você poderá ver quase todo o conteúdo do curso gratuitamente. Para acessar tarefas valendo nota e obter um Certificado, você precisará adquirir a experiência do Certificado, durante ou após a participação como ouvinte. Se você não vir a opção de participar como ouvinte:
o curso pode não oferecer essa opção. Você pode experimentar um teste gratuito ou solicitar o auxílio financeiro.
Em vez disso, o curso pode oferecer 'Curso completo, sem Certificado'. Com esta opção, é possível ver todo o conteúdo do curso, enviar as avaliações necessárias e obter uma nota final. Isso também significa que você não poderá comprar uma experiência de Certificado.
O que recebo ao me inscrever nesta Especialização?
Quando você se inscreve no curso, tem acesso a todos os cursos na Especialização e pode obter um certificado quando concluir o trabalho. Seu Certificado eletrônico será adicionado à sua página de Participações e você poderá imprimi-lo ou adicioná-lo ao seu perfil no LinkedIn. Se quiser apenas ler e assistir o conteúdo do curso, você poderá frequentá-lo como ouvinte sem custo.
Existe algum auxílio financeiro disponível?
Sim. Em programas de aprendizado selecionados, você pode solicitar auxílio financeiro ou uma bolsa de estudos caso não consiga pagar a taxa de inscrição. Se o auxílio financeiro ou bolsa de estudos estiver disponível para a seleção do seu programa de aprendizado, você encontrará um link para se inscrever na página de descrição.

Mais dúvidas? Visite o Central de Ajuda ao estudante.

Fundamentals of Machine Learning in Finance

Informações sobre o curso