Udemy – High-Frequency Trading Mastery: 100 Labs (C++ & Rust) 2026-8

در تاریخ: 1405/06/18 1:42:45

توضیحات

دوره High-Frequency Trading Mastery: 100 Labs (C++ & Rust). این دوره آموزشی به بررسی نحوه ساخت پلتفرم‌های معاملات با فرکانس بالا (High-Frequency Trading) و سیستم‌های بسیار کم‌تاخیر با استفاده از زبان‌های C++ و Rust در قالب ۱۰۰ آزمایشگاه عملی می‌پردازد. صنعت نرم‌افزار وارد عصری شده است که در آن برنامه‌ها به سرعت تولید می‌شوند، اما این رویکرد برای سیستم‌هایی که چند میکروثانیه تاخیر در آن‌ها تعیین‌کننده سودآوری یا شکست عملیاتی است کاربردی ندارد. سیستم‌های معاملات با فرکانس بالا (HFT) نیازمند اجرای قطعی، دانش عمیق سیستم‌عامل، آگاهی از سخت‌افزار و مهندسی دقیق هستند. این دوره برای مهندسانی طراحی شده است که قصد دارند از توسعه برنامه‌های عادی فراتر رفته و به سطح مهندسی سیستم‌های پیشرفته وارد شوند. در این آموزش به جای تدریس الگوریتم‌های ایزوله، فراگیران از طریق ۱۰۰ آزمایشگاه عملی و تمرکز بر سناریوهای واقعی، یک پلتفرم کامل معاملات با عملکرد بالا را با ابزارهای مدرن کدباز پیاده‌سازی می‌کنند. مسیر یادگیری با ایجاد یک محیط توسعه Linux قطعی آغاز می‌شود. فراگیران ابزارهای C++ و Rust را پیکربندی کرده، معماری NUMA را درک می‌کنند و به بهینه‌سازی سیاست‌های زمان‌بندی می‌پردازند. سپس در بخش شبکه کم‌تاخیر، پردازش بسته‌ها بدون دخالت هسته (Kernel-Bypass) با DPDK، ارتباطات Zero-Copy و برچسب‌گذاری زمانی سخت‌افزاری پیاده‌سازی می‌شود. در بخش مدیریت حافظه، ساختارهای داده سازگار با کش، صف‌های بدون قفل (Lock-Free) و تخصیص‌دهنده‌های سفارشی ساخته می‌شوند. در ادامه پروتکل FIX پیاده‌سازی شده و درگاه‌های پردازش سفارشات طراحی می‌گردند. بخش‌های بعدی شامل پردازش داده‌های بازار، بازسازی دفتر سفارشات (Order Book) و ساخت موتور تطبیق سفارشات (Matching Engine) بر اساس اولویت قیمت و زمان است. همچنین کنترل‌های ریسک پیش از معامله، سیستم‌های مشاهده‌پذیری با Prometheus و Grafana و انطباق با مقررات قانونی پوشش داده می‌شود و در نهایت تمام بخش‌ها در قالب پروژه پایانی (Lab 100) یکپارچه‌سازی و مستقر می‌شوند.

آنچه فرا خواهید گرفت

معماری سیستم‌های کم‌تاخیر: طراحی سیستم‌های معاملاتی قطعی با تاخیر بسیار پایین با استفاده از C++ و Rust.
ساخت درگاه‌های معاملاتی: پیاده‌سازی درگاه‌های FIX، پردازنده‌های داده بازار و موتورهای تطبیق سفارشات از پایه.
مهندسی عملکرد Linux: تسلط بر مفاهیم NUMA، HugePages، جداسازی CPU و تنظیم هسته سیستم‌عامل.
مدیریت حافظه پیشرفته: پیاده‌سازی ساختارهای داده بدون قفل، چیدمان حافظه سازگار با کش و تخصیص‌دهنده‌های سفارشی.
شبکه‌سازی Kernel-Bypass: طراحی و بهینه‌سازی پردازش بسته‌ها با DPDK و تکنیک‌های Zero-Copy.
پیاده‌سازی کنترل‌های ریسک: مهندسی سیستم‌های کنترل ریسک پیش از معامله و ثبت لاگ‌های قانونی.
استقرار زیرساخت عملیاتی: به‌کارگیری ابزارهای Prometheus، Grafana و Ansible برای پایش و اتوماسیون.
تحلیل تاخیر در سطح میکروثانیه: ارزیابی عملکرد و تاخیر سیستم با استفاده از روش‌های بنچمارک و تله‌متری.
درک زیرساخت صرافی‌ها: آشنایی با نحوه طراحی زیرساخت‌های معاملاتی توسط صرافی‌ها و شرکت‌های بزرگ مالی.
پروژه پایانی جامع: ارائه یک پلتفرم کامل و کامل معاملات با فرکانس بالا در قالب ۱۰۰ آزمایشگاه کاربردی.

این دوره مناسب افرادیست که

مهندسان سیستم: افرادی که برنامه‌نویسی می‌دانند و قصد تسلط بر هسته Linux، اجرای قطعی و معماری کم‌تاخیر با C++ و Rust را دارند.
مهندسان عملکرد: متخصصانی که می‌خواهند تاثیر تمام جابه‌جایی‌های حافظه و بسته‌های شبکه را بر عملکرد سیستم بررسی و بهینه‌سازی کنند.
مهندسان زیرساخت مالی: افرادی که تمایل دارند در شرکت‌های معاملاتی، صرافی‌ها و موسسات مالی بزرگ روی پلتفرم‌های معاملاتی واقعی کار کنند.

مشخصات دوره High-Frequency Trading Mastery: 100 Labs (C++ & Rust)

ناشر: Udemy
مدرس: Dar Al Taqniya
سطح آموزش: مبتدی تا پیشرفته
مدت زمان آموزش: 13 ساعت و 24 دقیقه
تعداد دروس: 112

سرفصل های دوره

پیشنیازهای دوره High-Frequency Trading Mastery: 100 Labs (C++ & Rust)

You should have:
1. Basic programming knowledge in any language (C++, Rust, Java, Go, Python, or C)
2. Basic Linux command-line familiarity
3. Understanding of variables, functions, loops, and data structures
4. Curiosity about systems programming and performance engineering
Recommended Software :
1. Ubuntu Linux 24.04 LTS (or compatible Linux distribution)
2. Modern C++ compiler (GCC or Clang)
3. Rust Stable Toolchain
4. Visual Studio Code or CLion (optional)
Recommended Hardware :
1. 64-bit x86 CPU with virtualization support
2. 16 GB RAM minimum (32 GB recommended)
3. Quad-core processor or higher
4. SSD storage