Dieser Kurs ist Teil der Spezialisierung Spezialisierung Machine Learning and Reinforcement Learning in Finance

3.8
Sterne
321 Bewertungen

Igor Halperin

18.543 bereits angemeldet

von

Spezialisierung Machine Learning and Reinforcement Learning in FinanceNew York University

Über diesen Kurs

8.522 kürzliche Aufrufe

The course aims at helping students to be able to solve practical ML-amenable problems that they may encounter in real life that include: (1) understanding where the problem one faces lands on a general landscape of available ML methods, (2) understanding which particular ML approach(es) would be most appropriate for resolving the problem, and (3) ability to successfully implement a solution, and assess its performance.  
A learner with some or no previous knowledge of Machine Learning (ML)  will get to know main algorithms of Supervised and Unsupervised Learning, and Reinforcement Learning, and will be able to use ML open source Python packages to design, test, and implement ML algorithms in Finance.
Fundamentals of Machine Learning in Finance will provide more at-depth view of supervised, unsupervised, and reinforcement learning, and end up in a project on using unsupervised learning for implementing a simple portfolio trading strategy.

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.

Flexible Fristen

Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.

Zertifikat zur Vorlage

Erhalten Sie nach Abschluss ein Zertifikat

100 % online

Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.

Coursera-Labore

Enthält praktische Lernprojekte.

Hier finden Sie weitere Informationen zu Coursera-Laboren

Kurs 2 von 4 in

Spezialisierung Machine Learning and Reinforcement Learning in Finance

Stufe „Mittel“

Ca. 18 Stunden zum Abschließen

Englisch

Flexible Fristen

Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.

Zertifikat zur Vorlage

Erhalten Sie nach Abschluss ein Zertifikat

100 % online

Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.

Coursera-Labore

Enthält praktische Lernprojekte.

Hier finden Sie weitere Informationen zu Coursera-Laboren

Kurs 2 von 4 in

Spezialisierung Machine Learning and Reinforcement Learning in Finance

Stufe „Mittel“

Ca. 18 Stunden zum Abschließen

Englisch

Dozent

Dozentenbewertung

3,95/5 (25 Bewertungen)

Igor Halperin

45.915 Lernende

4 Kurse

von

New York University

Lehrplan - Was Sie in diesem Kurs lernen werden

Woche1

Woche 1

5 Stunden zum Abschließen

Fundamentals of Supervised Learning in Finance

5 Stunden zum Abschließen

9 Videos (Gesamt 71 min), 4 Lektüren, 1 Quiz

9 Videos

What is Machine Learning in Finance?5mIntroduction to Fundamentals of Machine Learning in Finance4mSupport Vector Machines, Part 18mSupport Vector Machines, Part 27mSVM. The Kernel Trick8mExample: SVM for Prediction of Credit Spreads9mTree Methods. CART Trees9mTree Methods: Random Forests8mTree Methods: Boosting9m

4 Lektüren

A. Smola and B. Scholkopf, “A Tutorial on Support Vector Regression”, Statistics and Computing, vol. 14, pp. 199-229, 200415mA. Geron, “Hands-On Machine Learning with Scikit-Learn and TensorFlow”, Chapters 6 & 730mK. Murphy, “Machine Learning: A Probabilistic Perspective”, MIT Press, 2009, Chapter 16.415mJupyter Notebook FAQ10m

Woche2

Woche 2

4 Stunden zum Abschließen

Core Concepts of Unsupervised Learning, PCA & Dimensionality Reduction

4 Stunden zum Abschließen

6 Videos (Gesamt 54 min), 3 Lektüren, 1 Quiz

Woche3

Woche 3

4 Stunden zum Abschließen

Data Visualization & Clustering

4 Stunden zum Abschließen

7 Videos (Gesamt 50 min), 3 Lektüren, 1 Quiz

7 Videos

UL. Clustering Algorithms4mUL. K-clustering8mUL. K-means Neural Algorithm7mUL. Hierarchical Clustering Algorithms10mUL. Clustering and Estimation of Equity Correlation Matrix5mUL. Minimum Spanning Trees, Kruskal Algorithm6mUL. Probabilistic Clustering6m

3 Lektüren

C. Bishop, “Pattern Recognition and Machine Learning”, Clustering and EM: Chapter 930mG. Bonanno et. al. “Networks of equities in financial markets”, The European Physical Journal B, vol. 38, issue 2, pp. 363-371 (2004)15mJupyter Notebook FAQ10m

Woche4

Woche 4

5 Stunden zum Abschließen

Sequence Modeling and Reinforcement Learning

5 Stunden zum Abschließen

11 Videos (Gesamt 101 min), 3 Lektüren, 1 Quiz

11 Videos

SM. Latent Variables7mSequence Modeling10mSM. Latent Variables for Sequences8mSM. State-Space Models9mSM. Hidden Markov Models9mNeural Architecture for Sequential Data12mRL. Introduction8mRL. Core Ideas7mMarkov Decision Process and RL8mRL. Bellman Equation6mRL and Inverse Reinforcement Learning11m

3 Lektüren

C. Bishop, “Pattern Recognition and Machine Learning”, Chapter 1310mS. Marsland, “Machine Learning: an Algorithmic Perspective” (Chapman & Hall 2009), Chapter 1315mJupyter Notebook FAQ10m

Bewertungen

3.8

74 Bewertungen

5 stars
45,17 %
4 stars
20,56 %
3 stars
14,33 %
2 stars
5,60 %
1 star
14,33 %

Top-Bewertungen von FUNDAMENTALS OF MACHINE LEARNING IN FINANCE

von AT2. Sep. 2019

Great course which covers both theories as well as practical skills in the real implementations in the financial world.

von AT9. Aug. 2019

Furthered my understanding of how probabilistic models are connected to Machine Learning models. Very happy with the content in this course.

von CV24. Juli 2020

Great class, but don't believe the programming assignment time estimates... takes way longer!

von JJ24. Dez. 2018

So far so good. The lecturer refers to projects of which some weren't covered in this course. So a little confusing. Takes lots of googling to finish this course.

Alle Bewertungen anzeigen

Über den Spezialisierung 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

Häufig gestellte Fragen

Wann erhalte ich Zugang zu den Vorträgen und Aufgaben?
Der Zugang zu Vorlesungen und Aufgaben hängt von der Art Ihrer Anmeldung ab. Wenn Sie einen Kurs im Gastmodus belegen, können Sie die meisten Kursmaterialien kostenlos einsehen. Um auf benotete Aufgaben zuzugreifen und ein Zertifikat zu erhalten, müssen Sie während oder nach Ihrer Gastphase das Zertifikat erwerben. Wenn Sie die Gastoption nicht sehen:
Der Kurs bietet möglicherweise keine Gastoption an. Sie können stattdessen eine kostenlose Testversion ausprobieren oder finanzielle Unterstützung beantragen.
Der Kurs kann stattdessen "Vollständiger Kurs ohne Zertifikat" anbieten. Mit dieser Option können Sie alle Kursmaterialien einsehen, die erforderlichen Aufgaben einreichen und eine Endnote erhalten. Dies bedeutet auch, dass Sie kein Zertifikat erwerben können.
Was bekomme ich, wenn ich diese Spezialisierung abonniere?
Wenn Sie sich für den Kurs anmelden, erhalten Sie Zugriff auf alle Kurse der Spezialisierung und Sie erhalten nach Abschluss aller Arbeiten ein Zertifikat. Ihr elektronisches Zertifikat wird zu Ihrer Seite „Errungenschaften“ hinzugefügt – von dort können Sie Ihr Zertifikat ausdrucken oder es zu Ihrem LinkedIn Profil hinzufügen. Wenn Sie nur lesen und den Inhalt des Kurses anzeigen möchten, können Sie kostenlos als Gast an dem Kurs teilnehmen.
Ist finanzielle Unterstützung möglich?
Ja. Für ausgewählte Lernprogramme können Sie finanzielle Unterstützung oder ein Stipendium beantragen, wenn Sie sich die Anmeldegebühr nicht leisten können. Wenn für das von Ihnen gewählte Lernprogramm finanzielle Unterstützung oder ein Stipendium verfügbar ist, wird auf der Beschreibungsseite ein Link zu einem solchen Antrag angezeigt.

Haben Sie weitere Fragen? Besuchen Sie das Learner Help Center.

Fundamentals of Machine Learning in Finance

Über diesen Kurs