Machine Learning for Finance (with R) Schulung

Alle Preise zzgl. MwSt

Kurs Code

mlfinancer

Dauer

28 hours (üblicherweise 4 Tage inklusive Pausen)

Voraussetzungen

  • Programming experience with any language
  • Basic familiarity with statistics and linear algebra

Überblick

Maschinelles Lernen ist ein Zweig der künstlichen Intelligenz, in dem Computer lernen können, ohne explizit programmiert zu werden. R ist eine beliebte Programmiersprache in der Finanzbranche. Es wird in Finanzanwendungen eingesetzt, die von Kernhandelsprogrammen bis zu Risikomanagementsystemen reichen.

In diesem von Lehrern geführten Live-Training lernen die Teilnehmer, wie sie Techniken und Werkzeuge des maschinellen Lernens anwenden, um reale Probleme in der Finanzbranche zu lösen. Als Programmiersprache wird R verwendet.

Die Teilnehmer lernen zunächst die wichtigsten Prinzipien und setzen dann ihr Wissen in die Praxis um, indem sie ihre eigenen Modelle für maschinelles Lernen erstellen und sie für eine Reihe von Teamprojekten verwenden.

Am Ende dieser Schulung können die Teilnehmer:

  • Verstehen Sie die grundlegenden Konzepte des maschinellen Lernens
  • Lernen Sie die Anwendungen und Einsatzmöglichkeiten des maschinellen Lernens im Finanzbereich kennen
  • Entwickeln Sie ihre eigene algorithmische Handelsstrategie mithilfe von maschinellem Lernen mit R

Publikum

  • Entwickler
  • Datenwissenschaftler

Format des Kurses

  • Teilvorlesung, Teildiskussion, Übungen und viel praktisches Üben

Machine Translated

Schulungsübersicht

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

Erfahrungsberichte

★★★★★
★★★★★

Verwandte Kategorien

Kombinierte Kurse

Sonderangebote

Sonderangebote Newsletter

Wir behandeln Ihre Daten vertraulich und werden sie nicht an Dritte weitergeben.
Sie können Ihre Einstellungen jederzeit ändern oder sich ganz abmelden.

EINIGE UNSERER KUNDEN

is growing fast!

We are looking for a good mixture of IT and soft skills in Switzerland!

As a NobleProg Trainer you will be responsible for:

  • delivering training and consultancy Worldwide
  • preparing training materials
  • creating new courses outlines
  • delivering consultancy
  • quality management

At the moment we are focusing on the following areas:

  • Statistic, Forecasting, Big Data Analysis, Data Mining, Evolution Alogrithm, Natural Language Processing, Machine Learning (recommender system, neural networks .etc...)
  • SOA, BPM, BPMN
  • Hibernate/Spring, Scala, Spark, jBPM, Drools
  • R, Python
  • Mobile Development (iOS, Android)
  • LAMP, Drupal, Mediawiki, Symfony, MEAN, jQuery
  • You need to have patience and ability to explain to non-technical people

To apply, please create your trainer-profile by going to the link below:

Apply now!

This site in other countries/regions