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.
Machine Learning and Reinforcement Learning in Finance 특화 과정New York University이 강좌에 대하여
최근 조회 33,839회
학습자 경력 결과
50%
가 이 강좌를 수료한 후 새로운 커리어를 시작함
47%
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 1번째 강좌:
유동적 마감일
일정에 따라 마감일을 재설정합니다.
중급 단계
완료하는 데 약 24시간 필요
영어
자막: 영어, 프랑스어
학습자 경력 결과
50%
가 이 강좌를 수료한 후 새로운 커리어를 시작함
47%
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 1번째 강좌:
유동적 마감일
일정에 따라 마감일을 재설정합니다.
중급 단계
완료하는 데 약 24시간 필요
영어
자막: 영어, 프랑스어
제공자:
New York University
Tandon offers comprehensive courses in engineering, applied science and technology. Each course is rooted in a tradition of invention and entrepreneurship.
강의 계획 - 이 강좌에서 배울 내용
완료하는 데 3시간 필요
Artificial Intelligence & Machine Learning
완료하는 데 3시간 필요
11개 동영상 (총 75분), 3 개의 읽기 자료, 1 개의 테스트
11개의 동영상
Specialization Objectives8m
Specialization Prerequisites7m
Artificial Intelligence and Machine Learning, Part I6m
Artificial Intelligence and Machine Learning, Part II7m
Machine Learning as a Foundation of Artificial Intelligence, Part I5m
Machine Learning as a Foundation of Artificial Intelligence, Part II7m
Machine Learning as a Foundation of Artificial Intelligence, Part III7m
Machine Learning in Finance vs Machine Learning in Tech, Part I6m
Machine Learning in Finance vs Machine Learning in Tech, Part II6m
Machine Learning in Finance vs Machine Learning in Tech, Part III8m
3개의 읽기 자료
The Business of Artificial Intelligence30m
How AI and Automation Will Shape Finance in the Future30m
A. Geron, “Hands-On Machine Learning with Scikit-Learn and TensorFlow”, Chapter 130m
1개 연습문제
Module 1 Quiz30m
완료하는 데 6시간 필요
Mathematical Foundations of Machine Learning
완료하는 데 6시간 필요
6개 동영상 (총 45분), 3 개의 읽기 자료, 2 개의 테스트
6개의 동영상
The No Free Lunch Theorem7m
Overfitting and Model Capacity8m
Linear Regression7m
Regularization, Validation Set, and Hyper-parameters10m
Overview of the Supervised Machine Learning in Finance3m
3개의 읽기 자료
I. Goodfellow, Y. Bengio, A. Courville, “Deep Learning”, Chapters 4.5, 5.1, 5.2, 5.3, 5.41시간
Leo Breiman, “Statistical Modeling: The Two Cultures”1시간
Jupyter Notebook FAQ10m
1개 연습문제
Module 2 Quiz15m
완료하는 데 6시간 필요
Introduction to Supervised Learning
완료하는 데 6시간 필요
7개 동영상 (총 75분), 4 개의 읽기 자료, 2 개의 테스트
7개의 동영상
A First Demo of TensorFlow11m
Linear Regression in TensorFlow10m
Neural Networks11m
Gradient Descent Optimization10m
Gradient Descent for Neural Networks12m
Stochastic Gradient Descent8m
4개의 읽기 자료
A.Geron, “Hands-On ML”, Chapter 9, Chapter 4 (Gradient Descent)1시간
E. Fama and K. French, “Size and Book-to-Market Factors in Earnings and Returns”, Journal of Finance, vol. 50, no. 1 (1995), pp. 131-155.15m
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. 1-4115m
Jupyter Notebook FAQ10m
1개 연습문제
Module 3 Quiz15m
완료하는 데 10시간 필요
Supervised Learning in Finance
완료하는 데 10시간 필요
9개 동영상 (총 66분), 4 개의 읽기 자료, 3 개의 테스트
9개의 동영상
Fundamental Analysis7m
Machine Learning as Model Estimation8m
Maximum Likelihood Estimation10m
Probabilistic Classification Models6m
Logistic Regression for Modeling Bank Failures, Part I8m
Logistic Regression for Modeling Bank Failures, Part II5m
Logistic Regression for Modeling Bank Failures, Part III8m
Supervised Learning: Conclusion2m
4개의 읽기 자료
C. Bishop, “Pattern Recognition and Machine Learning”, Chapters 4.1, 4.2, 4.31시간
A. Geron, “Hands-On ML”, Chapters 3, Chapter 4 (Logistic Regression)1시간
Jupyter Notebook FAQ10m
Jupyter Notebook FAQ10m
1개 연습문제
Module 4 Quiz21m
검토
GUIDED TOUR OF MACHINE LEARNING IN FINANCE의 최상위 리뷰
KD 제공2019년 8월 23일
Introduction of ML for Financial application with combination of Scikit learn, Statsmodels and Tensorflow with neuralnets made this class very interesting. Learned and Enjoyed lot.
VB 제공2018년 8월 25일
More or less this course is good and interesting. However, homework assignments were awful. It's unclear and it's very hard to understand what is asked and how it would be graded.
MS 제공2018년 12월 31일
Despite all the problems with the assignments and the grader this course provides really good overview ML tools and their application to finance. It's definitely worth the effort
XZ 제공2018년 7월 31일
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.
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.
자주 묻는 질문
강의 및 과제를 언제 이용할 수 있게 되나요?
강의 및 과제 이용 권한은 등록 유형에 따라 다릅니다. 청강 모드로 강좌를 수강하면 대부분의 강좌 자료를 무료로 볼 수 있습니다. 채점된 과제를 이용하고 수료증을 받으려면 청강 도중 또는 이후에 수료증 경험을 구매해야 합니다. 청강 옵션이 표시되지 않는 경우:
- 강좌에서 청강 옵션을 제공하지 않을 수 있습니다. 대신 무료 평가판을 사용하거나 재정 지원을 신청할 수 있습니다.
이 전문 분야를 구독하면 무엇을 이용할 수 있나요?
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.
환불 규정은 어떻게 되나요?
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.
재정 지원을 받을 수 있나요?
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.
궁금한 점이 더 있으신가요? 학습자 도움말 센터를 방문해 보세요.
