이 강좌는 Machine Learning and Reinforcement Learning in Finance 특화 과정의 일부입니다.

3.8
별점
630개의 평가

Igor Halperin

29,251명이 이미 등록했습니다.

제공자:

Machine Learning and Reinforcement Learning in Finance 특화 과정New York University

이 강좌에 대하여

최근 조회 12,344회

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.
The goal  of Guided Tour of Machine Learning in Finance is to get a sense of what Machine Learning is, what it is for and in how many different financial problems it can be applied to.

The course 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  

Experience with Python (including numpy, pandas, and IPython/Jupyter notebooks), linear algebra, basic probability theory and basic calculus is necessary to complete assignments in this course.

유연한 마감일

일정에 따라 마감일을 재설정합니다.

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:

Machine Learning and Reinforcement Learning in Finance 특화 과정

중급 단계

완료하는 데 약 24시간 필요

영어

유연한 마감일

일정에 따라 마감일을 재설정합니다.

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:

Machine Learning and Reinforcement Learning in Finance 특화 과정

중급 단계

완료하는 데 약 24시간 필요

영어

강사

강사 평가

3.87/5 (68개의 평가)

Igor Halperin

43,878명의 학습자

4개의 강좌

제공자:

New York University

강의 계획표 - 이 강좌에서 배울 내용

콘텐츠 평가82%(1,701개의 평가)

주

주 1

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

Welcome Note4m

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

주

주 2

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

Generalization and a Bias-Variance Tradeoff6m

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

주

주 3

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

DataFlow and TensorFlow10m

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

주

주 4

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

Regression and Equity Analysis7m

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

1개 연습문제

Module 4 Quiz21m

검토

3.8

207개의 리뷰

5 stars
41.54%
4 stars
24.01%
3 stars
13.42%
2 stars
10.90%
1 star
10.11%

GUIDED TOUR OF MACHINE LEARNING IN FINANCE의 최상위 리뷰

FB 제공2019년 11월 5일

Fantastic lectures, great first programming assignments with unfortunate tail quality of the programming assignments

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

ZX 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.

SS 제공2020년 2월 28일

The course is easy to understand and give insightful details on how to apply machine learning in finance

모든 리뷰 보기

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

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 강좌에서 대신 '전체 강좌, 수료증 없음'을 제공할 수 있습니다. 이 옵션을 사용하면 모든 강좌 자료를 보고 필요한 평가를 제출하고 최종 성적을 받을 수 있습니다. 이는 또한 수료증 경험을 구매할 수 없음을 의미합니다.
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.
재정 지원을 받을 수 있나요?
예. 등록금을 지불할 여유가 없는 학습자는 일부 학습 프로그램에 대해 재정 지원 또는 장학금을 신청할 수 있습니다. 재정 지원 또는 장학금을 선택한 학습 프로그램에서 신청할 수 있는 경우, 신청 링크는 설명 페이지에서 확인할 수 있습니다.

궁금한 점이 더 있으신가요? 학습자 도움말 센터를 방문해 보세요.

Guided Tour of Machine Learning in Finance

이 강좌에 대하여