Děkujeme za vaši dotaz! Jeden z našich pracovníků vás brzy kontaktuje.
Děkujeme za rezervaci! Jeden z našich pracovníků vás brzy kontaktuje.
Návrh Školení
Úvod
- Rozdíl mezi statistickým učením (statistická analýza) a strojovým učením
- Přijetí technologie strojového učení a talentů finančními společnostmi
Pochopení různých typů Machine Learning
- Učení pod dohledem versus učení bez dohledu
- Iterace a hodnocení
- Kompromis zkreslení a odchylky
- Kombinace učení pod dohledem a učení bez dozoru (učení napůl pod dohledem)
Pochopení Machine Learning Languages a sady nástrojů
- Open source versus proprietární systémy a software
- Python vs R vs Matlab
- Knihovny a rámce
Pochopení Neural Networks
Pochopení základních pojmů v Finance
- Porozumění obchodování s akciemi
- Pochopení dat časových řad
- Porozumění finančním analýzám
Machine Learning Případové studie v Finance
- Generování a testování signálu
- Feature Engineering
- Algoritmické obchodování s umělou inteligencí
- Kvantitativní obchodní předpovědi
- Robo-poradci pro portfolio Management
- Riziko Management a detekce podvodů
- Upisování pojištění
Praktické: Python pro Machine Learning
- Nastavení pracovního prostoru
- Získání Python knihoven a balíčků strojového učení
- Práce s Pandas
- Práce se Scikit-Learn
Import finančních údajů do Python
- Použití Pandas
- Pomocí Quandl
- Integrace s Excel
Práce s daty časových řad pomocí Python
- Prozkoumání vašich dat
- Vizualizace vašich dat
Provádění společných finančních analýz s Python
- Returns
- Moving Windows
- Volatility Calculation
- Ordinary Least-Squares Regression (OLS)
Vývoj algoritmické obchodní strategie s využitím pod dohledem Machine Learning s Python
- Pochopení obchodní strategie Momentum
- Pochopení reverzní obchodní strategie
- Implementace vaší strategie obchodování s jednoduchými klouzavými průměry (SMA).
Zpětné testování vaší obchodní strategie Machine Learning
- Naučte se úskalí zpětného testování
- Komponenty vašeho backtesteru
- Použití Python Backtesting Tools
- Implementace vašeho jednoduchého backtesteru
Zlepšení vaší Machine Learning obchodní strategie
- KMeans
- K-Nearest Neighbors (KNN)
- Klasifikační nebo regresní stromy
- Genetický algoritmus
- Práce s vícesymbolovými portfolii
- Použití rámce rizik Management
- Použití zpětného testování řízeného událostmi
Hodnocení výkonnosti vaší Machine Learning obchodní strategie
- Použití Sharpe Ratio
- Výpočet maximálního čerpání
- Použití složené roční míry růstu (CAGR)
- Měření distribuce výnosů
- Používání metrik na úrovni obchodu
- souhrn
Odstraňování problémů
Závěrečné poznámky
Požadavky
- Základní zkušenosti s programováním Python
- Základní znalost statistiky a lineární algebry
21 hodiny
Reference (2)
ML ekosystém neobsahuje pouze MLflow, ale také Optuna, Hyperopt, Docker a Docker Compose
Guillaume GAUTIER - OLEA MEDICAL
Kurz - MLflow
Přeloženo strojem
Rád jsem se zúčastnil školení Kubeflow, které proběhlo vzdáleně. Toto školení mi umožnilo prohloubit znalosti o službách AWS, K8s a všech devOps nástrojích kolem Kubeflow, což jsou nezbytné základy pro správný přístup k tématu. Rád bych poděkoval Marcinovi Malawskimu za jeho trpělivost a profesionální přístup při školení a poradách o osvědčených postupech. Malawski se k tématu přibližuje z různých úhlů, používá různé nástroje pro nasazení jako Ansible, EKS kubectl a Terraform. Teď jsem naprosto přesvědčen, že vstupuji do správného oboru aplikace.
Guillaume Gautier - OLEA MEDICAL | Improved diagnosis for life TM
Kurz - Kubeflow
Přeloženo strojem
