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

3.8
estrelas
645 classificações

Igor Halperin

30.165 já se inscreveram

oferecido por

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

Informações sobre o curso

14.839 visualizações recentes

This course aims at providing an introductory and broad overview of the field of ML with the focus on applications on Finance. Supervised Machine Learning methods are used in the capstone project to predict bank closures. Simultaneously, while this course can be taken as a separate course, it serves as a preview of topics that are covered in more details in subsequent modules of the specialization Machine Learning and Reinforcement Learning in Finance.
The goal  of Guided Tour of Machine Learning in Finance is to get a sense of what Machine Learning is, what it is for and in how many different financial problems it can be applied to.

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 1 de 4 no

Programa de cursos integrados Machine Learning and Reinforcement Learning in Finance

Nível intermediário

Aprox. 24 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 1 de 4 no

Programa de cursos integrados Machine Learning and Reinforcement Learning in Finance

Nível intermediário

Aprox. 24 horas para completar

Inglês

Instrutores

Classificação do instrutor

3,9/5 (70 classificações)

Igor Halperin

45.317 aprendizes

4 Cursos

oferecido por

New York University

Programa - O que você aprenderá com este curso

Classificação do conteúdo83%(1,748 classificações)

Semana

Semana 1

3 horas para concluir

Artificial Intelligence & Machine Learning

3 horas para concluir

11 vídeos (Total 75 mín.), 3 leituras, 1 teste

11 videos

Welcome Note4min

Specialization Objectives8min

Specialization Prerequisites7min

Artificial Intelligence and Machine Learning, Part I6min

Artificial Intelligence and Machine Learning, Part II7min

Machine Learning as a Foundation of Artificial Intelligence, Part I5min

Machine Learning as a Foundation of Artificial Intelligence, Part II7min

Machine Learning as a Foundation of Artificial Intelligence, Part III7min

Machine Learning in Finance vs Machine Learning in Tech, Part I6min

Machine Learning in Finance vs Machine Learning in Tech, Part II6min

Machine Learning in Finance vs Machine Learning in Tech, Part III8min

3 leituras

The Business of Artificial Intelligence30min

How AI and Automation Will Shape Finance in the Future30min

A. Geron, “Hands-On Machine Learning with Scikit-Learn and TensorFlow”, Chapter 130min

1 exercício prático

Module 1 Quiz30min

Semana

Semana 2

6 horas para concluir

Mathematical Foundations of Machine Learning

6 horas para concluir

6 vídeos (Total 45 mín.), 3 leituras, 2 testes

6 videos

Generalization and a Bias-Variance Tradeoff6min

The No Free Lunch Theorem7min

Overfitting and Model Capacity8min

Linear Regression7min

Regularization, Validation Set, and Hyper-parameters10min

Overview of the Supervised Machine Learning in Finance3min

3 leituras

I. Goodfellow, Y. Bengio, A. Courville, “Deep Learning”, Chapters 4.5, 5.1, 5.2, 5.3, 5.41h

Leo Breiman, “Statistical Modeling: The Two Cultures”1h

Jupyter Notebook FAQ10min

1 exercício prático

Module 2 Quiz15min

Semana

Semana 3

6 horas para concluir

Introduction to Supervised Learning

6 horas para concluir

7 vídeos (Total 75 mín.), 4 leituras, 2 testes

7 videos

DataFlow and TensorFlow10min

A First Demo of TensorFlow11min

Linear Regression in TensorFlow10min

Neural Networks11min

Gradient Descent Optimization10min

Gradient Descent for Neural Networks12min

Stochastic Gradient Descent8min

4 leituras

A.Geron, “Hands-On ML”, Chapter 9, Chapter 4 (Gradient Descent)1h

E. Fama and K. French, “Size and Book-to-Market Factors in Earnings and Returns”, Journal of Finance, vol. 50, no. 1 (1995), pp. 131-155.15min

J. Piotroski, “Value Investing: The Use of Historical Financial Statement Information to Separate Winners from Losers”, Journal of Accounting Research, Vol. 38, Supplement: Studies on Accounting Information and the Economics of the Firm (2000), pp. 1-4115min

Jupyter Notebook FAQ10min

1 exercício prático

Module 3 Quiz15min

Semana

Semana 4

10 horas para concluir

Supervised Learning in Finance

10 horas para concluir

9 vídeos (Total 66 mín.), 4 leituras, 3 testes

9 videos

Regression and Equity Analysis7min

Fundamental Analysis7min

Machine Learning as Model Estimation8min

Maximum Likelihood Estimation10min

Probabilistic Classification Models6min

Logistic Regression for Modeling Bank Failures, Part I8min

Logistic Regression for Modeling Bank Failures, Part II5min

Logistic Regression for Modeling Bank Failures, Part III8min

Supervised Learning: Conclusion2min

4 leituras

C. Bishop, “Pattern Recognition and Machine Learning”, Chapters 4.1, 4.2, 4.31h

A. Geron, “Hands-On ML”, Chapters 3, Chapter 4 (Logistic Regression)1h

Jupyter Notebook FAQ10min

1 exercício prático

Module 4 Quiz21min

Avaliações

3.8

212 avaliações

5 stars
41,70%
4 stars
24,03%
3 stars
13,64%
2 stars
10,69%
1 star
9,92%

Principais avaliações do GUIDED TOUR OF MACHINE LEARNING IN FINANCE

por MG9 de jun de 2019

Good material but assignments explanation were too sparse and even expectation of material not covered in videos or readings (example is Tobit regression in week 4).

por LP22 de out de 2021

Very useful course. Personally, I think that there should have been more focus on the implementation of tensorflow and neural network codes. Overall the course is well structured and very clear.

por SS28 de fev de 2020

The course is easy to understand and give insightful details on how to apply machine learning in finance

por ZX31 de jul de 2018

The course content is a mix of theory and practical stuff. One star off is due to the poor quality of programming assignment, i.e., unclear instructions and explanations.

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.

Guided Tour of Machine Learning in Finance

Informações sobre o curso