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

3.8
Sterne
640 Bewertungen

83 %

Igor Halperin

29.696 bereits angemeldet

von

Spezialisierung Machine Learning and Reinforcement Learning in FinanceNew York University

Über diesen Kurs

13.557 kürzliche Aufrufe

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.
The goal  of Guided Tour of Machine Learning in Finance is to get a sense of what Machine Learning is, what it is for and in how many different financial problems it can be applied to.

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.

Kurs 1 von 4 in

Spezialisierung Machine Learning and Reinforcement Learning in Finance

Stufe „Mittel“

Ca. 24 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.

Kurs 1 von 4 in

Spezialisierung Machine Learning and Reinforcement Learning in Finance

Stufe „Mittel“

Ca. 24 Stunden zum Abschließen

Englisch

Dozent

Dozentenbewertung

3,87/5 (68 Bewertungen)

Igor Halperin

44.596 Lernende

4 Kurse

von

New York University

Lehrplan - Was Sie in diesem Kurs lernen werden

Inhaltsbewertung83%(1,712 Bewertungen)

Woche

Woche 1

3 Stunden zum Abschließen

Artificial Intelligence & Machine Learning

3 Stunden zum Abschließen

11 Videos (Gesamt 75 min), 3 Lektüren, 1 Quiz

11 Videos

Welcome Note4m

Specialization Objectives8m

Specialization Prerequisites7m

Artificial Intelligence and Machine Learning, Part I6m

Artificial Intelligence and Machine Learning, Part II7m

Machine Learning as a Foundation of Artificial Intelligence, Part I5m

Machine Learning as a Foundation of Artificial Intelligence, Part II7m

Machine Learning as a Foundation of Artificial Intelligence, Part III7m

Machine Learning in Finance vs Machine Learning in Tech, Part I6m

Machine Learning in Finance vs Machine Learning in Tech, Part II6m

Machine Learning in Finance vs Machine Learning in Tech, Part III8m

3 Lektüren

The Business of Artificial Intelligence30m

How AI and Automation Will Shape Finance in the Future30m

A. Geron, “Hands-On Machine Learning with Scikit-Learn and TensorFlow”, Chapter 130m

1 praktische Übung

Module 1 Quiz30m

Woche

Woche 2

6 Stunden zum Abschließen

Mathematical Foundations of Machine Learning

6 Stunden zum Abschließen

6 Videos (Gesamt 45 min), 3 Lektüren, 2 Quiz

6 Videos

Generalization and a Bias-Variance Tradeoff6m

The No Free Lunch Theorem7m

Overfitting and Model Capacity8m

Linear Regression7m

Regularization, Validation Set, and Hyper-parameters10m

Overview of the Supervised Machine Learning in Finance3m

3 Lektüren

I. Goodfellow, Y. Bengio, A. Courville, “Deep Learning”, Chapters 4.5, 5.1, 5.2, 5.3, 5.41h

Leo Breiman, “Statistical Modeling: The Two Cultures”1h

Jupyter Notebook FAQ10m

1 praktische Übung

Module 2 Quiz15m

Woche

Woche 3

6 Stunden zum Abschließen

Introduction to Supervised Learning

6 Stunden zum Abschließen

7 Videos (Gesamt 75 min), 4 Lektüren, 2 Quiz

7 Videos

DataFlow and TensorFlow10m

A First Demo of TensorFlow11m

Linear Regression in TensorFlow10m

Neural Networks11m

Gradient Descent Optimization10m

Gradient Descent for Neural Networks12m

Stochastic Gradient Descent8m

4 Lektüren

A.Geron, “Hands-On ML”, Chapter 9, Chapter 4 (Gradient Descent)1h

E. Fama and K. French, “Size and Book-to-Market Factors in Earnings and Returns”, Journal of Finance, vol. 50, no. 1 (1995), pp. 131-155.15m

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. 1-4115m

Jupyter Notebook FAQ10m

1 praktische Übung

Module 3 Quiz15m

Woche

Woche 4

10 Stunden zum Abschließen

Supervised Learning in Finance

10 Stunden zum Abschließen

9 Videos (Gesamt 66 min), 4 Lektüren, 3 Quiz

9 Videos

Regression and Equity Analysis7m

Fundamental Analysis7m

Machine Learning as Model Estimation8m

Maximum Likelihood Estimation10m

Probabilistic Classification Models6m

Logistic Regression for Modeling Bank Failures, Part I8m

Logistic Regression for Modeling Bank Failures, Part II5m

Logistic Regression for Modeling Bank Failures, Part III8m

Supervised Learning: Conclusion2m

4 Lektüren

C. Bishop, “Pattern Recognition and Machine Learning”, Chapters 4.1, 4.2, 4.31h

A. Geron, “Hands-On ML”, Chapters 3, Chapter 4 (Logistic Regression)1h

Jupyter Notebook FAQ10m

1 praktische Übung

Module 4 Quiz21m

Bewertungen

3.8

209 Bewertungen

5 stars
41,87 %
4 stars
23,90 %
3 stars
13,43 %
2 stars
10,78 %
1 star
10 %

Top-Bewertungen von GUIDED TOUR OF MACHINE LEARNING IN FINANCE

von HK17. Jan. 2020

Great general overview of machine learning. I think the course can be re-organized to incorporate some of the theory and some coding tips as well, however.

von CO18. Apr. 2019

Very Difficult - Impossible to succeed without very strong prior experience. Would deserve more guidelines

von RS29. Aug. 2019

Great course! Relevant concepts are described in the videos and the bibliography is accurate to cover the rest.

von FB5. Nov. 2019

Fantastic lectures, great first programming assignments with unfortunate tail quality of the programming assignments

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.

Guided Tour of Machine Learning in Finance

Über diesen Kurs