À propos de ce cours

25,517 consultations récentes

Résultats de carrière des étudiants

20%

ont commencé une nouvelle carrière après avoir terminé ce cours

18%

ont bénéficié d'un avantage concret dans leur carrières grâce à ce cours

Certificat partageable

Obtenez un Certificat lorsque vous terminez

100 % en ligne

Commencez dès maintenant et apprenez aux horaires qui vous conviennent.

Dates limites flexibles

Réinitialisez les dates limites selon votre disponibilité.

Niveau intermédiaire

Approx. 18 heures pour terminer

Anglais

Sous-titres : Anglais

Résultats de carrière des étudiants

20%

ont commencé une nouvelle carrière après avoir terminé ce cours

18%

ont bénéficié d'un avantage concret dans leur carrières grâce à ce cours

Certificat partageable

Obtenez un Certificat lorsque vous terminez

100 % en ligne

Commencez dès maintenant et apprenez aux horaires qui vous conviennent.

Dates limites flexibles

Réinitialisez les dates limites selon votre disponibilité.

Niveau intermédiaire

Approx. 18 heures pour terminer

Anglais

Sous-titres : Anglais

Enseignant

Offert par

Logo New York University

New York University

Programme du cours : ce que vous apprendrez dans ce cours

Semaine
1

Semaine 1

5 heures pour terminer

Fundamentals of Supervised Learning in Finance

5 heures pour terminer
9 vidéos (Total 71 min), 4 lectures, 1 quiz
9 vidéos
Introduction to Fundamentals of Machine Learning in Finance4 min
Support Vector Machines, Part 18 min
Support Vector Machines, Part 27 min
SVM. The Kernel Trick8 min
Example: SVM for Prediction of Credit Spreads9 min
Tree Methods. CART Trees9 min
Tree Methods: Random Forests8 min
Tree Methods: Boosting9 min
4 lectures
A. Smola and B. Scholkopf, “A Tutorial on Support Vector Regression”, Statistics and Computing, vol. 14, pp. 199-229, 200415 min
A. Geron, “Hands-On Machine Learning with Scikit-Learn and TensorFlow”, Chapters 6 & 730 min
K. Murphy, “Machine Learning: A Probabilistic Perspective”, MIT Press, 2009, Chapter 16.415 min
Jupyter Notebook FAQ10 min
Semaine
2

Semaine 2

4 heures pour terminer

Core Concepts of Unsupervised Learning, PCA & Dimensionality Reduction

4 heures pour terminer
6 vidéos (Total 54 min), 3 lectures, 1 quiz
6 vidéos
PCA for Stock Returns, Part 14 min
PCA for Stock Returns, Part 29 min
Dimension Reduction with PCA9 min
Dimension Reduction with tSNE11 min
Dimension Reduction with Autoencoders9 min
3 lectures
C. Bishop, “Pattern Recognition and Machine Learning”, Chapter 12.115 min
A. Geron, “Hands-On ML”, Chapters 8 & 1530 min
Jupyter Notebook FAQ10 min
Semaine
3

Semaine 3

4 heures pour terminer

Data Visualization & Clustering

4 heures pour terminer
7 vidéos (Total 50 min), 3 lectures, 1 quiz
7 vidéos
UL. K-clustering8 min
UL. K-means Neural Algorithm7 min
UL. Hierarchical Clustering Algorithms10 min
UL. Clustering and Estimation of Equity Correlation Matrix5 min
UL. Minimum Spanning Trees, Kruskal Algorithm6 min
UL. Probabilistic Clustering6 min
3 lectures
C. Bishop, “Pattern Recognition and Machine Learning”, Clustering and EM: Chapter 930 min
G. Bonanno et. al. “Networks of equities in financial markets”, The European Physical Journal B, vol. 38, issue 2, pp. 363-371 (2004)15 min
Jupyter Notebook FAQ10 min
Semaine
4

Semaine 4

5 heures pour terminer

Sequence Modeling and Reinforcement Learning

5 heures pour terminer
11 vidéos (Total 101 min), 3 lectures, 1 quiz
11 vidéos
Sequence Modeling10 min
SM. Latent Variables for Sequences8 min
SM. State-Space Models9 min
SM. Hidden Markov Models9 min
Neural Architecture for Sequential Data12 min
RL. Introduction8 min
RL. Core Ideas7 min
Markov Decision Process and RL8 min
RL. Bellman Equation6 min
RL and Inverse Reinforcement Learning11 min
3 lectures
C. Bishop, “Pattern Recognition and Machine Learning”, Chapter 1310 min
S. Marsland, “Machine Learning: an Algorithmic Perspective” (Chapman & Hall 2009), Chapter 1315 min
Jupyter Notebook FAQ10 min

À propos du Spécialisation 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

Foire Aux Questions

  • Une fois que vous êtes inscrit(e) pour un Certificat, vous pouvez accéder à toutes les vidéos de cours, et à tous les quiz et exercices de programmation (le cas échéant). Vous pouvez soumettre des devoirs à examiner par vos pairs et en examiner vous-même uniquement après le début de votre session. Si vous préférez explorer le cours sans l'acheter, vous ne serez peut-être pas en mesure d'accéder à certains devoirs.

  • Lorsque vous vous inscrivez au cours, vous bénéficiez d'un accès à tous les cours de la Spécialisation, et vous obtenez un Certificat lorsque vous avez réussi. Votre Certificat électronique est alors ajouté à votre page Accomplissements. À partir de cette page, vous pouvez imprimer votre Certificat ou l'ajouter à votre profil LinkedIn. Si vous souhaitez seulement lire et visualiser le contenu du cours, vous pouvez accéder gratuitement au cours en tant qu'auditeur libre.

  • Si vous vous abonnez, vous bénéficiez d'une période d'essai gratuite de 7 jours, durant laquelle vous pouvez annuler votre abonnement sans pénalité. Ensuite, nous n'accordons plus de remboursements, mais vous pouvez annuler votre abonnement à tout instant. Consultez notre politique de remboursement complète.

  • Oui, Coursera offre une Aide Financière aux étudiants qui n'ont pas les moyens d'acquitter les frais. Demandez-la en cliquant sur le lien Aide Financière sous le bouton S'inscrire situé à gauche. Vous devrez remplir un formulaire de demande et vous serez averti(e) si elle est acceptée. Vous devrez répéter cette procédure pour chaque cours de la Spécialisation, y compris pour le Projet Final. En savoir plus.

D'autres questions ? Visitez le Centre d'Aide pour les Etudiants.