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

3.8
Sterne
649 Bewertungen

83 %

Igor Halperin

30.589 bereits angemeldet

von

Spezialisierung Machine Learning and Reinforcement Learning in FinanceNew York University

Über diesen Kurs

13.406 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

3,92/5 (71 Bewertungen)

Igor Halperin

46.007 Lernende

4 Kurse

von

New York University

Lehrplan - Was Sie in diesem Kurs lernen werden

Inhaltsbewertung83%(1,750 Bewertungen)

Woche1

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 Note4mSpecialization Objectives8mSpecialization Prerequisites7mArtificial Intelligence and Machine Learning, Part I6mArtificial Intelligence and Machine Learning, Part II7mMachine Learning as a Foundation of Artificial Intelligence, Part I5mMachine Learning as a Foundation of Artificial Intelligence, Part II7mMachine Learning as a Foundation of Artificial Intelligence, Part III7mMachine Learning in Finance vs Machine Learning in Tech, Part I6mMachine Learning in Finance vs Machine Learning in Tech, Part II6mMachine Learning in Finance vs Machine Learning in Tech, Part III8m

3 Lektüren

The Business of Artificial Intelligence30mHow AI and Automation Will Shape Finance in the Future30mA. Geron, “Hands-On Machine Learning with Scikit-Learn and TensorFlow”, Chapter 130m

1 praktische Übung

Module 1 Quiz30m

Woche2

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 Tradeoff6mThe No Free Lunch Theorem7mOverfitting and Model Capacity8mLinear Regression7mRegularization, Validation Set, and Hyper-parameters10mOverview 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, 5.41hLeo Breiman, “Statistical Modeling: The Two Cultures”1hJupyter Notebook FAQ10m

1 praktische Übung

Module 2 Quiz15m

Woche3

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 TensorFlow10mA First Demo of TensorFlow11mLinear Regression in TensorFlow10mNeural Networks11mGradient Descent Optimization10mGradient Descent for Neural Networks12mStochastic Gradient Descent8m

4 Lektüren

A.Geron, “Hands-On ML”, Chapter 9, Chapter 4 (Gradient Descent)1hE. Fama and K. French, “Size and Book-to-Market Factors in Earnings and Returns”, Journal of Finance, vol. 50, no. 1 (1995), pp. 131-155.15mJ. 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. 1-4115mJupyter Notebook FAQ10m

1 praktische Übung

Module 3 Quiz15m

Woche4

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 Analysis7mFundamental Analysis7mMachine Learning as Model Estimation8mMaximum Likelihood Estimation10mProbabilistic Classification Models6mLogistic Regression for Modeling Bank Failures, Part I8mLogistic Regression for Modeling Bank Failures, Part II5mLogistic Regression for Modeling Bank Failures, Part III8mSupervised Learning: Conclusion2m

4 Lektüren

C. Bishop, “Pattern Recognition and Machine Learning”, Chapters 4.1, 4.2, 4.31hA. Geron, “Hands-On ML”, Chapters 3, Chapter 4 (Logistic Regression)1hJupyter Notebook FAQ10mJupyter Notebook FAQ10m

1 praktische Übung

Module 4 Quiz21m

Bewertungen

3.8

214 Bewertungen

5 stars
41,91 %
4 stars
23,88 %
3 stars
13,71 %
2 stars
10,63 %
1 star
9,86 %

Top-Bewertungen von GUIDED TOUR OF MACHINE LEARNING IN FINANCE

von KD23. Aug. 2019

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.

von SH2. Juli 2020

Homework is not always consistent with what's covered in class. The recommended readings are very helpful.

von IT15. Juni 2019

A more detailed introduction and guide to python for machine learning would have made this course one of the best out there

von VB25. Aug. 2018

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.

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