이 강좌에 대하여

최근 조회 26,653

학습자 경력 결과

20%

가 이 강좌를 수료한 후 새로운 커리어를 시작함

18%

가 이 강좌를 통해 확실한 경력상 이점을 얻음

공유 가능한 수료증

완료 시 수료증 획득

100% 온라인

지금 바로 시작해 나만의 일정에 따라 학습을 진행하세요.

다음 특화 과정의 4개 강좌 중 2번째 강좌:

유동적 마감일

일정에 따라 마감일을 재설정합니다.

중급 단계

완료하는 데 약 18시간 필요

영어

자막: 영어

학습자 경력 결과

20%

가 이 강좌를 수료한 후 새로운 커리어를 시작함

18%

가 이 강좌를 통해 확실한 경력상 이점을 얻음

공유 가능한 수료증

완료 시 수료증 획득

100% 온라인

지금 바로 시작해 나만의 일정에 따라 학습을 진행하세요.

다음 특화 과정의 4개 강좌 중 2번째 강좌:

유동적 마감일

일정에 따라 마감일을 재설정합니다.

중급 단계

완료하는 데 약 18시간 필요

영어

자막: 영어

강사

제공자:

New York University 로고

New York University

강의 계획 - 이 강좌에서 배울 내용

1

1

완료하는 데 5시간 필요

Fundamentals of Supervised Learning in Finance

완료하는 데 5시간 필요
9개 동영상 (총 71분), 4 개의 읽기 자료, 1 개의 테스트
9개의 동영상
Introduction to Fundamentals of Machine Learning in Finance4m
Support Vector Machines, Part 18m
Support Vector Machines, Part 27m
SVM. The Kernel Trick8m
Example: SVM for Prediction of Credit Spreads9m
Tree Methods. CART Trees9m
Tree Methods: Random Forests8m
Tree Methods: Boosting9m
4개의 읽기 자료
A. Smola and B. Scholkopf, “A Tutorial on Support Vector Regression”, Statistics and Computing, vol. 14, pp. 199-229, 200415m
A. Geron, “Hands-On Machine Learning with Scikit-Learn and TensorFlow”, Chapters 6 & 730m
K. Murphy, “Machine Learning: A Probabilistic Perspective”, MIT Press, 2009, Chapter 16.415m
Jupyter Notebook FAQ10m
2

2

완료하는 데 4시간 필요

Core Concepts of Unsupervised Learning, PCA & Dimensionality Reduction

완료하는 데 4시간 필요
6개 동영상 (총 54분), 3 개의 읽기 자료, 1 개의 테스트
6개의 동영상
PCA for Stock Returns, Part 14m
PCA for Stock Returns, Part 29m
Dimension Reduction with PCA9m
Dimension Reduction with tSNE11m
Dimension Reduction with Autoencoders9m
3개의 읽기 자료
C. Bishop, “Pattern Recognition and Machine Learning”, Chapter 12.115m
A. Geron, “Hands-On ML”, Chapters 8 & 1530m
Jupyter Notebook FAQ10m
3

3

완료하는 데 4시간 필요

Data Visualization & Clustering

완료하는 데 4시간 필요
7개 동영상 (총 50분), 3 개의 읽기 자료, 1 개의 테스트
7개의 동영상
UL. K-clustering8m
UL. K-means Neural Algorithm7m
UL. Hierarchical Clustering Algorithms10m
UL. Clustering and Estimation of Equity Correlation Matrix5m
UL. Minimum Spanning Trees, Kruskal Algorithm6m
UL. Probabilistic Clustering6m
3개의 읽기 자료
C. Bishop, “Pattern Recognition and Machine Learning”, Clustering and EM: Chapter 930m
G. Bonanno et. al. “Networks of equities in financial markets”, The European Physical Journal B, vol. 38, issue 2, pp. 363-371 (2004)15m
Jupyter Notebook FAQ10m
4

4

완료하는 데 5시간 필요

Sequence Modeling and Reinforcement Learning

완료하는 데 5시간 필요
11개 동영상 (총 101분), 3 개의 읽기 자료, 1 개의 테스트
11개의 동영상
Sequence Modeling10m
SM. Latent Variables for Sequences8m
SM. State-Space Models9m
SM. Hidden Markov Models9m
Neural Architecture for Sequential Data12m
RL. Introduction8m
RL. Core Ideas7m
Markov Decision Process and RL8m
RL. Bellman Equation6m
RL and Inverse Reinforcement Learning11m
3개의 읽기 자료
C. Bishop, “Pattern Recognition and Machine Learning”, Chapter 1310m
S. Marsland, “Machine Learning: an Algorithmic Perspective” (Chapman & Hall 2009), Chapter 1315m
Jupyter Notebook FAQ10m

Machine Learning and Reinforcement Learning in Finance 특화 과정 정보

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

자주 묻는 질문

  • 강좌에 등록하면 바로 모든 비디오, 테스트 및 프로그래밍 과제(해당하는 경우)에 접근할 수 있습니다. 상호 첨삭 과제는 이 세션이 시작된 경우에만 제출하고 검토할 수 있습니다. 강좌를 구매하지 않고 살펴보기만 하면 특정 과제에 접근하지 못할 수 있습니다.

  • 강좌를 등록하면 전문 분야의 모든 강좌에 접근할 수 있고 강좌를 완료하면 수료증을 취득할 수 있습니다. 전자 수료증이 성취도 페이지에 추가되며 해당 페이지에서 수료증을 인쇄하거나 LinkedIn 프로필에 수료증을 추가할 수 있습니다. 강좌 내용만 읽고 살펴보려면 해당 강좌를 무료로 청강할 수 있습니다.

  • 구독하는 경우, 취소해도 요금이 청구되지 않는 7일간의 무료 평가판을 이용할 수 있습니다. 해당 기간이 지난 후에는 환불이 되지 않지만, 언제든 구독을 취소할 수 있습니다. 전체 환불 정책 보기.

  • 예, Coursera에서는 수업료를 낼 수 없는 학습자를 위해 재정 지원을 제공합니다. 왼쪽에 있는 등록 버튼 아래 재정 지원 링크를 클릭하면 지원할 수 있습니다. 신청서를 작성하라는 메시지가 표시되며 승인되면 알림을 받습니다. 성취 프로젝트를 포함하여 전문 분야의 각 강좌에서 이 단계를 완료해야 합니다. 자세히 알아보기.

  • 이 강좌는 대학 학점을 제공하지 않지만, 일부 대학에서 선택적으로 강좌 수료증을 학점으로 인정할 수도 있습니다. 자세한 내용은 해당 기관에 문의하세요. Coursera의 온라인 학위Mastertrack™ 수료증은 대학 학점을 취득할 기회를 제공합니다.

궁금한 점이 더 있으신가요? 학습자 도움말 센터를 방문해 보세요.