آموزش یادگیری ماشین در تحلیل بازارهای مالی با پایتون - مقدماتی + گواهینامه

آموزش یادگیری ماشین در تحلیل بازارهای مالی با پایتون - مقدماتی + گواهینامه

3 ساعت
0.0

در سال ۲۰۲۳ هیچ حوزه‌ای را مشاهده نمی‌کنید که در آن از هوش مصنوعی بهره نگرفته باشد. این حوزه به جذاب‌ترین حوزه این روزهای مقالات علمی و پژوهش‌های روز دنیا تبدیل شده و همچنین به بازارهای مالی نیز، وارد شده است. در این آموزش، مدل‌های یادگیری ماشین برای پیش‌بینی قیمت سهام و همچنین طریقه ساخت شبکه عصبی برای پیش‌بینی را در پایتون خواهیم آموخت و می‌بینیم که چگونه مدل‌های هوش مصنوعی می‌توانند امر پیش‌بینی را با دقت اندازه‌گیری کنند.

فرادرس
سجاد جمالیان

تریلر دوره

توضیحات کامل دوره

...

سرفصل‌های دوره

  • چکیده
    0:01:40

  • مقدمه و معرفی
    رایگان 0:02:05
  • تجزیه‌وتحلیل EDA
    0:03:44
  • مولفه‌های EDA و فیچرهای سهام بورس
    0:05:05
  • استخراج داده‌های شپنا و تجزیه‌وتحلیل EDA در پایتون
    0:06:06
  • افزودن Featureها بر اساس Lag و Moving Average
    0:04:00
  • ساخت تابع محاسبه RSI و افزودن Feature به تحلیل
    0:05:16
  • تمیز کردن داده‌ها و حذف Outliers
    0:07:49
  • نرمال کردن داده‌ها و مشخص کردن داده‌های Train و Test
    0:05:10
  • تمرین ۱ - ساخت توابع تکنیکال
  • تمرین ۲ - پیش‌پردازش داده‌ها
  • آزمون ۱

  • رگرسیون خطی
    0:02:57
  • Collinear – Heteroscedasticity & Autocorrelation
    رایگان 0:05:10
  • پیاده‌سازی مدل رگرسیون روی داده‌های شپنا
    0:05:47
  • R-squared
    0:06:26
  • Variance Inflation Factor (VIF)
    0:05:06
  • کدنویسی VIF و انتخاب فیچرها
    0:09:13
  • عملکرد مدل و شبیه‌سازی
    0:07:11
  • آزمون ۲

  • Decision Tree چیست؟
    0:06:05
  • شاخص GINI برای انتخاب فیچر
    0:03:26
  • معیارهای Entropy و Information Gain
    0:04:27
  • ساخت مدل Decision Tree برای پیش‌بینی قیمت سهام
    0:04:37
  • ساخت مدل Decision Tree با عمق‌های مختلف
    0:08:33
  • مدل Random Forest (RF)
    0:07:08
  • ساخت مدل Random Forest برای پیش‌بینی قیمت سهام
    0:06:14
  • Bagging vs Boosting
    رایگان 0:08:25
  • Boosting و XGBoost
    0:03:30
  • پیاده‌سازی XGBOOST
    0:03:18
  • تمرین ۱ - پیش‌بینی با استفاده از جنگل تصادفی
  • آزمون ۳

  • شبکه عصبی چیست؟
    0:03:59
  • Feed Forward
    0:04:01
  • توابع فعال‌سازی و انواع آن
    0:06:32
  • تابع هزینه Back Propagation
    رایگان 0:09:08
  • هایپرپارامترها در شبکه‌های عصبی
    0:08:30
  • آزمون ۴

  • آماده‌سازی داده‌ها برای ورود به شبکه عصبی
    0:03:38
  • مراحل مدل‌سازی شبکه عصبی و نصب Tensorflow
    0:06:51
  • اجرای شبکه عصبی ANN و ایجاد تابع
    0:11:15
  • ترسیم مدل Keras با استفاده از pydot
    0:10:21
  • تنظیم هایپرپارامترهای شبکه عصبی
    رایگان 0:10:17
  • یافتن بهترین شبکه‌های عصبی موجود
    0:05:14
  • ایجاد پیش‌بینی قیمت سهام و دقت‌سنجی
    0:04:23
  • انواع Initialization
    0:02:58
  • تمرین ۱ - ساخت شبکه عصبی
  • تمرین ۲ - ساخت شبکه عصبی با sklearn
  • آزمون ۵

  • جمع‌بندی و نتیجه مباحث
    0:02:14
  • ادامه یادگیری
    0:02:09
  • دسترسی به آموزش‌های «ادامه یادگیری»
  • ادامه مسیر تا ورود به بازار کار

  • آموزش یادگیری ماشین در تحلیل بازارهای مالی با پایتون - مقدماتی

  • خلاصه و مرور آموزش
  • واژه‌نامه (Glossary)
  • سوالات متداول (FAQ)
  • مشاغل مرتبط
  • نمونه سئوالات مصاحبه شغلی

ارسال نظر شما

نظرات کاربران

نظرات کاربران

هنوز نظری ثبت نشده است.

2,190,000 تومان
438,000 تومان
80% تخفیف
ثبت‌نام در دوره
این دوره شامل:
9 فصل آموزشی
3 ساعت ساعت آموزش
دسترسی مادام‌العمر
سطح: مبتدی
گواهی پایان دوره: ندارد
تاریخ انتشار: 1403/12/09
آخرین به‌روزرسانی: 2026-10-29 14:32:10
تعداد امتیازها: 0
تعداد دانشجو: 0
خرید اقساطی: ندارد
ضمانت بازگشت وجه: ندارد
برچسب‌ها: