Udacity – Artificial Intelligence for Trading Nanodegree v1.0.0 2019-1

توضیحات

Artificial Intelligence for Trading دوره آموزش هوش مصنوعی برای معامله گری و تریدینگ در بازارهای مالی می باشد که توسط آکادمی تخصصی یوداسیتی منتشر شده است. این دوره آموزشی همانند سایر دوره های منتشر شده در آکادمی یوداسیتی کاملا پروژه محور و عملی بوده و در طی روند آن با مجموعه ای از پروژه های واقعی و آموزنده کار خواهید کرد. این دوره آموزشی کاملا جامع بوده و از جمله مهم ترین مباحث مطرح شده در آن می توان به مدیریت دارایی های مختلف، ایجاد سیگنال های معامله و آنالیز میزان قطعیت آن ها، الگوریتم های هوش مصنوعی برای معامله گری، ساخت پورتفولیو و مدیریت آیتم های موجود در آن و … اشاره کرد. در طی روند این دوره آموزشی با اصول و مبانی اولیه معامله گری و تحلیل کمی آشنا خواهید شد.

معامله گری کمی یک فرآیند پیچیده می باشد که از تسک های مختلفی مانند پردازش داده ها، ایجاد و بررسی سیگنال های معاملاتی و مدیریت سبد سهام تشکیل شده است. در این دوره آموزشی از زبان برنامه نویسی قدرتمند پایتون استفاده کرده و برای توسعه سیستم های معاملاتی هوشمند و بررسی استراتژی های مختلف داده های قدیمی و قبلی بازار را با الگوریتم های مختلف بررسی خواهید کرد. ساخت مدل های چند وجهی و بهینه سازی آن ها از مهم ترین مهارت های فرا گرفته شده در این دوره آموزشی می باشد.

آنچه در دوره آموزشی Artificial Intelligence for Trading فرا خواهید گرفت:

• معامله گری یا تریدینگ کمی
• مکانیک های مختلف بازار و ایجاد سینگال های معاملاتی بر اساس آن ها
• طراحی و توسعه استراتژی های معاملاتی
• بهینه سازی پورتفولیو
• بازارهای مختلف مالی و شیوه های فعالیت در هر کدام از آن ها
• فاکتورهای ریسک و آلفا
• عقیده کاوی با استفاده از پردازش زبان طبیعی
• پردازش متن و آنالیز اطلاعات و صورت های مالی شرکت های مختلف
• یادگیری عمیق
• ترکیب سیگنال های مختلف و دریافت سیگنال های نهایی
• و …

مشخصات دوره

ناشر: Udacity
مدرس: Cindy Lin, Arpan Chakraborty, Elizabeth Otto Hamel, Eddy Shyu, Brok Bucholtz, Parnian Barekatain, Juan Delgado, Luis Serrano, Cezanne Camacho and Mat Leonard
زبان: انگلیسی
سطح آموزش: متوسط
تعداد دروس: 78
مدت زمان آموزش: با فرض 10 ساعت کار در هفته حدودا 6 ماه

سرفصل های دوره

Course 1: Basic Quantitative Trading

Course Project : Trading with Momentum

Introduction

Stock Prices

Market Mechanics

Data Processing

Stock Returns

Momentum Trading

Course 2: Advanced Quantitative Trading

Course Project: Breakout Strategy

Quant Workflow

Outliers and Filtering Signals

Regression

Time Series Modeling

Volatility

Pairs Trading and Mean Reversion

Course 3: Stocks, Indices, and ETFs

Course Project: Smart Beta and Portfolio Optimization

Stocks, Indices and Funds

ETFs

Portfolio Risk and Return

Portfolio Optimization

Course 4: Factor Investing and Alpha Research

Course Project: Multi-factor Model

Factors Models of Returns

Risk Factor Models

Alpha Factors

Advanced Portfolio Optimization with Risk and Alpha Factors Models

Course 5: Sentiment Analysis with Natural Language Processing

Course Project: Sentiment Analysis using NLP

Intro to Natural Language Processing

Text Processing

Feature Extraction

Financial Statements

Basic NLP Analysis

Course 6: Advanced Natural Language Processing with Deep Learning

Course Project: Sentiment Analysis with Neural Networks

Introduction to Neural Networks

Training Neural Networks

Deep Learning with PyTorch

Recurrent Neural Networks

Embeddings & Word2Vec

Sentiment Prediction RNN

Course 7: Combining Multiple Signals

Course Project: Combining Signals for Enhanced Alpha

Overview

Decision Trees

Model Testing and Evaluation

Random Forests

Feature Engineering

Overlapping Labels

Feature Importance

Course 8: Simulating Trades with Historical Data

Course Project: Backtesting

Intro to Backtesting

Optimization with Transaction Costs

Attribution

پیش‌نیازهای دوره Artificial Intelligence for Trading

You should have some experience programming with Python, and be familiar with statistics, linear algebra, and calculus.

Python Programming Knowledge:

• Basic data structures
• Basic Numpy

Intermediate Statistical Knowledge:

• Mean, median, mode
• Variance, standard deviation
• Random variables, independence
• Distributions, normal distribution
• T-test, p-value, statistical significance

Intermediate Calculus and Linear Algebra Knowledge:

• Integrals and derivatives
• Linear combination, linear independence
• Matrix operations
• Eigenvectors, eigenvalues

New to Python programming? Check out our free Intro to Data Analysis course.

Need to refresh your statistical and algebra knowledge? Check out our free statistics and linear algebra courses:

• Intro to Statistics free course

• Linear algebra refresher free course

What software and versions will I need in this program?

To successfully complete this Nanodegree program, you’ll need to be able to download and run Python 3.7.

تصاویر دوره

فیلم معرفی دوره Artificial Intelligence for Trading

راهنمای نصب

پس از Extract، با Player دلخواه خود تماشا کنید.

زیرنویس: انگلیسی

کیفیت: 720p

لینک دانلود

دانلود بخش 1 – 2 گیگابایت

دانلود بخش 2 – 2 گیگابایت

دانلود بخش 3 – 1.79 گیگابایت

گذرواژه فایل(ها): www.downloadly.ir

حجم فایل

5.79 گیگابایت