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.
Этот курс входит в специализацию ''Специализация Machine Learning and Reinforcement Learning in Finance'
от партнера
Специализация Machine Learning and Reinforcement Learning in FinanceNew York UniversityОб этом курсе
Недавно просмотрено: 25,206
Карьерные результаты учащихся
50%
начал новую карьеру, пройдя эти курсы
47%
получил значимые преимущества в карьере благодаря этому курсу
Сертификат, ссылками на который можно делиться с другими людьми
Получите сертификат по завершении
100% онлайн
Начните сейчас и учитесь по собственному графику.
Курс 1 из 4 в программе
Гибкие сроки
Назначьте сроки сдачи в соответствии со своим графиком.
Средний уровень
Прибл. 24 часа на выполнение
Английский
Субтитры: Французский, Португальский (бразильский), Русский, Английский, Испанский
Преподаватели
Карьерные результаты учащихся
50%
начал новую карьеру, пройдя эти курсы
47%
получил значимые преимущества в карьере благодаря этому курсу
Сертификат, ссылками на который можно делиться с другими людьми
Получите сертификат по завершении
100% онлайн
Начните сейчас и учитесь по собственному графику.
Курс 1 из 4 в программе
Гибкие сроки
Назначьте сроки сдачи в соответствии со своим графиком.
Средний уровень
Прибл. 24 часа на выполнение
Английский
Субтитры: Французский, Португальский (бразильский), Русский, Английский, Испанский
от партнера
New York University
New York University is a leading global institution for scholarship, teaching, and research. Based in New York City with campuses and sites in 14 additional major cities across the world, NYU embraces diversity among faculty, staff and students to ensure the highest caliber, most inclusive educational experience.
Программа курса: что вы изучите
3 ч. на завершение
Artificial Intelligence & Machine Learning
3 ч. на завершение
11 видео ((всего 75 мин.)), 3 материалов для самостоятельного изучения, 1 тест
11 видео
Welcome Note4мин
Specialization Objectives8мин
Specialization Prerequisites7мин
Artificial Intelligence and Machine Learning, Part I6мин
Artificial Intelligence and Machine Learning, Part II7мин
Machine Learning as a Foundation of Artificial Intelligence, Part I5мин
Machine Learning as a Foundation of Artificial Intelligence, Part II7мин
Machine Learning as a Foundation of Artificial Intelligence, Part III7мин
Machine Learning in Finance vs Machine Learning in Tech, Part I6мин
Machine Learning in Finance vs Machine Learning in Tech, Part II6мин
Machine Learning in Finance vs Machine Learning in Tech, Part III8мин
3 материала для самостоятельного изучения
The Business of Artificial Intelligence30мин
How AI and Automation Will Shape Finance in the Future30мин
A. Geron, “Hands-On Machine Learning with Scikit-Learn and TensorFlow”, Chapter 130мин
1 практическое упражнение
Module 1 Quiz30мин
6 ч. на завершение
Mathematical Foundations of Machine Learning
6 ч. на завершение
6 видео ((всего 45 мин.)), 3 материалов для самостоятельного изучения, 2 тестов
6 видео
The No Free Lunch Theorem7мин
Overfitting and Model Capacity8мин
Linear Regression7мин
Regularization, Validation Set, and Hyper-parameters10мин
Overview of the Supervised Machine Learning in Finance3мин
3 материала для самостоятельного изучения
I. Goodfellow, Y. Bengio, A. Courville, “Deep Learning”, Chapters 4.5, 5.1, 5.2, 5.3, 5.41ч
Leo Breiman, “Statistical Modeling: The Two Cultures”1ч
Jupyter Notebook FAQ10мин
1 практическое упражнение
Module 2 Quiz15мин
6 ч. на завершение
Introduction to Supervised Learning
6 ч. на завершение
7 видео ((всего 75 мин.)), 4 материалов для самостоятельного изучения, 2 тестов
7 видео
A First Demo of TensorFlow11мин
Linear Regression in TensorFlow10мин
Neural Networks11мин
Gradient Descent Optimization10мин
Gradient Descent for Neural Networks12мин
Stochastic Gradient Descent8мин
4 материала для самостоятельного изучения
A.Geron, “Hands-On ML”, Chapter 9, Chapter 4 (Gradient Descent)1ч
E. Fama and K. French, “Size and Book-to-Market Factors in Earnings and Returns”, Journal of Finance, vol. 50, no. 1 (1995), pp. 131-155.15мин
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. 1-4115мин
Jupyter Notebook FAQ10мин
1 практическое упражнение
Module 3 Quiz15мин
10 ч. на завершение
Supervised Learning in Finance
10 ч. на завершение
9 видео ((всего 66 мин.)), 4 материалов для самостоятельного изучения, 3 тестов
9 видео
Fundamental Analysis7мин
Machine Learning as Model Estimation8мин
Maximum Likelihood Estimation10мин
Probabilistic Classification Models6мин
Logistic Regression for Modeling Bank Failures, Part I8мин
Logistic Regression for Modeling Bank Failures, Part II5мин
Logistic Regression for Modeling Bank Failures, Part III8мин
Supervised Learning: Conclusion2мин
4 материала для самостоятельного изучения
C. Bishop, “Pattern Recognition and Machine Learning”, Chapters 4.1, 4.2, 4.31ч
A. Geron, “Hands-On ML”, Chapters 3, Chapter 4 (Logistic Regression)1ч
Jupyter Notebook FAQ10мин
Jupyter Notebook FAQ10мин
1 практическое упражнение
Module 4 Quiz21мин
Рецензии
Лучшие отзывы о курсе GUIDED TOUR OF MACHINE LEARNING IN FINANCE
от партнера KD23 авг. 2019 г.
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.
от партнера VB25 авг. 2018 г.
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.
от партнера MS31 дек. 2018 г.
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
от партнера XZ31 июля 2018 г.
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.
Специализация Machine Learning and Reinforcement Learning in Finance: общие сведения
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.
Часто задаваемые вопросы
Когда я получу доступ к лекциям и заданиям?
Что я получу, оформив подписку на специализацию?
Is financial aid available?
Остались вопросы? Посетите Центр поддержки учащихся.
