Об этом курсе
3.5
Оценки: 83
Рецензии: 19
100% онлайн

100% онлайн

Начните сейчас и учитесь по собственному графику.
Гибкие сроки

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.
Промежуточный уровень

Промежуточный уровень

Часов на завершение

Прибл. 16 часа на выполнение

Предполагаемая нагрузка: 9 hours/week...
Доступные языки

Английский

Субтитры: Английский
100% онлайн

100% онлайн

Начните сейчас и учитесь по собственному графику.
Гибкие сроки

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.
Промежуточный уровень

Промежуточный уровень

Часов на завершение

Прибл. 16 часа на выполнение

Предполагаемая нагрузка: 9 hours/week...
Доступные языки

Английский

Субтитры: Английский

Программа курса: что вы изучите

Неделя
1
Часов на завершение
5 ч. на завершение

Fundamentals of Supervised Learning in Finance

...
Reading
9 videos (Total 71 min), 4 материалов для самостоятельного изучения, 1 тест
Video9 видео
Introduction to Fundamentals of Machine Learning in Finance4мин
Support Vector Machines, Part 18мин
Support Vector Machines, Part 27мин
SVM. The Kernel Trick8мин
Example: SVM for Prediction of Credit Spreads9мин
Tree Methods. CART Trees9мин
Tree Methods: Random Forests8мин
Tree Methods: Boosting9мин
Reading4 материала для самостоятельного изучения
A. Smola and B. Scholkopf, “A Tutorial on Support Vector Regression”, Statistics and Computing, vol. 14, pp. 199-229, 200415мин
A. Geron, “Hands-On Machine Learning with Scikit-Learn and TensorFlow”, Chapters 6 & 730мин
K. Murphy, “Machine Learning: A Probabilistic Perspective”, MIT Press, 2009, Chapter 16.415мин
Jupyter Notebook FAQ10мин
Неделя
2
Часов на завершение
4 ч. на завершение

Core Concepts of Unsupervised Learning, PCA & Dimensionality Reduction

...
Reading
6 videos (Total 54 min), 3 материалов для самостоятельного изучения, 1 тест
Video6 видео
PCA for Stock Returns, Part 14мин
PCA for Stock Returns, Part 29мин
Dimension Reduction with PCA9мин
Dimension Reduction with tSNE11мин
Dimension Reduction with Autoencoders9мин
Reading3 материала для самостоятельного изучения
C. Bishop, “Pattern Recognition and Machine Learning”, Chapter 12.115мин
A. Geron, “Hands-On ML”, Chapters 8 & 1530мин
Jupyter Notebook FAQ10мин
Неделя
3
Часов на завершение
4 ч. на завершение

Data Visualization & Clustering

...
Reading
7 videos (Total 50 min), 3 материалов для самостоятельного изучения, 1 тест
Video7 видео
UL. K-clustering8мин
UL. K-means Neural Algorithm7мин
UL. Hierarchical Clustering Algorithms10мин
UL. Clustering and Estimation of Equity Correlation Matrix5мин
UL. Minimum Spanning Trees, Kruskal Algorithm6мин
UL. Probabilistic Clustering6мин
Reading3 материала для самостоятельного изучения
C. Bishop, “Pattern Recognition and Machine Learning”, Clustering and EM: Chapter 930мин
G. Bonanno et. al. “Networks of equities in financial markets”, The European Physical Journal B, vol. 38, issue 2, pp. 363-371 (2004)15мин
Jupyter Notebook FAQ10мин
Неделя
4
Часов на завершение
5 ч. на завершение

Sequence Modeling and Reinforcement Learning

...
Reading
11 videos (Total 101 min), 3 материалов для самостоятельного изучения, 1 тест
Video11 видео
Sequence Modeling10мин
SM. Latent Variables for Sequences8мин
SM. State-Space Models9мин
SM. Hidden Markov Models9мин
Neural Architecture for Sequential Data12мин
RL. Introduction8мин
RL. Core Ideas7мин
Markov Decision Process and RL8мин
RL. Bellman Equation6мин
RL and Inverse Reinforcement Learning11мин
Reading3 материала для самостоятельного изучения
C. Bishop, “Pattern Recognition and Machine Learning”, Chapter 1310мин
S. Marsland, “Machine Learning: an Algorithmic Perspective” (Chapman & Hall 2009), Chapter 1315мин
Jupyter Notebook FAQ10мин

Преподаватель

О New York University Tandon School of Engineering

Tandon offers comprehensive courses in engineering, applied science and technology. Each course is rooted in a tradition of invention and entrepreneurship....

О специализации ''Machine Learning and Reinforcement Learning in Finance'

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

Часто задаваемые вопросы

  • Зарегистрировавшись на сертификацию, вы получите доступ ко всем видео, тестам и заданиям по программированию (если они предусмотрены). Задания по взаимной оценке сокурсниками можно сдавать и проверять только после начала сессии. Если вы проходите курс без оплаты, некоторые задания могут быть недоступны.

  • Записавшись на курс, вы получите доступ ко всем курсам в специализации, а также возможность получить сертификат о его прохождении. После успешного прохождения курса на странице ваших достижений появится электронный сертификат. Оттуда его можно распечатать или прикрепить к профилю LinkedIn. Просто ознакомиться с содержанием курса можно бесплатно.

Остались вопросы? Посетите Центр поддержки учащихся.