Machine Learning for Finance (with R)
Corso
A Milano
Hai bisogno di un coach per la formazione?
Ti aiuterà a confrontare vari corsi e trovare l'offerta formativa più conveniente.
Descrizione
-
Tipologia
Corso
-
Luogo
Milano
L'apprendimento automatico è una branca dell'intelligenza artificiale in cui i computer hanno la capacità di apprendere senza essere programmati esplicitamente R è un linguaggio di programmazione popolare nel settore finanziario È utilizzato in applicazioni finanziarie che vanno dai principali programmi di trading ai sistemi di gestione del rischio In questo corso di formazione dal vivo istruito, i partecipanti impareranno come applicare le tecniche di apprendimento automatico e gli strumenti per risolvere i problemi del mondo reale nel settore finanziario R sarà usato come linguaggio di programmazione I partecipanti imparano innanzitutto i principi chiave, quindi mettono in pratica le loro conoscenze costruendo i propri modelli di apprendimento automatico e utilizzandoli per completare una serie di progetti di gruppo Alla fine di questa formazione, i partecipanti saranno in grado di: Comprendere i concetti fondamentali nell'apprendimento automatico Impara le applicazioni e gli usi del machine learning in finanza Sviluppa la propria strategia di trading algoritmica usando machine learning con R Pubblico Sviluppatori Scienziati di dati Formato del corso Lezione di parte, discussione parziale, esercitazioni e pratica intensiva .
Machine Translated
Sedi e date
Luogo
Inizio del corso
Inizio del corso
Profilo del corso
Programming experience with any language
Basic familiarity with statistics and linear algebra
Opinioni
Materie
- E-learning
- Apprendimento
- Management
- Programmazione
- Trading
Programma
Introduction
- Difference between statistical learning (statistical analysis) and machine learning
- Adoption of machine learning technology and talent by finance companies
Understanding Different Types of Machine Learning
- Supervised learning vs unsupervised learning
- Iteration and evaluation
- Bias-variance trade-off
- Combining supervised and unsupervised learning (semi-supervised learning)
Understanding Machine Learning Languages and Toolsets
- Open source vs proprietary systems and software
- Python vs R vs Matlab
- Libraries and frameworks
Understanding Neural Networks
Understanding Basic Concepts in Finance
- Understanding Stocks Trading
- Understanding Time Series Data
- Understanding Financial Analyses
Machine Learning Case Studies in Finance
- Signal Generation and Testing
- Feature Engineering
- Artificial Intelligence Algorithmic Trading
- Quantitative Trade Predictions
- Robo-Advisors for Portfolio Management
- Risk Management and Fraud Detection
- Insurance Underwriting
Introduction to R
- Installing the RStudio IDE
- Loading R Packages
- Data Structures
- Vectors
- Factors
- Lists
- Data Frames
- Matrices and Arrays
Importing Financial Data into R
- Databases, Data Warehouses, and Streaming Data
- Distributed Storage and Processing with Hadoop and Spark
- Importing Data from a Database
- Importing Data from Excel and CSV
Implementing Regression Analysis with R
- Linear Regression
- Generalizations and Nonlinearity
Evaluating the Performance of Machine Learning Algorithms
- Cross-Validation and Resampling
- Bootstrap Aggregation (Bagging)
- Exercise
Developing an Algorithmic Trading Strategy with R
- Setting Up Your Working Environment
- Collecting and Examining Stock Data
- Implementing a Trend Following Strategy
Backtesting Your Machine Learning Trading Strategy
- Learning Backtesting Pitfalls
- Components of Your Backtester
- Implementing Your Simple Backtester
Improving Your Machine Learning Trading Strategy
- KMeans
- k-Nearest Neighbors (KNN)
- Classification or Regression Trees
- Genetic Algorithm
- Working with Multi-Symbol Portfolios
- Using a Risk Management Framework
- Using Event-Driven Backtesting
Evaluating Your Machine Learning Trading Strategy's Performance
- Using the Sharpe Ratio
- Calculating a Maximum Drawdown
- Using Compound Annual Growth Rate (CAGR)
- Measuring Distribution of Returns
- Using Trade-Level Metrics
Extending your Company's Capabilities
- Developing Models in the Cloud
- Using GPUs to Accelerate Deep Learning
- Applying Deep Learning Neural Networks for Computer Vision, Voice Recognition, and Text Analysis
Summary and Conclusion
Hai bisogno di un coach per la formazione?
Ti aiuterà a confrontare vari corsi e trovare l'offerta formativa più conveniente.
Machine Learning for Finance (with R)