À propos de ce cours
3.5
83 notes
19 avis
100 % en ligne

100 % en ligne

Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Dates limites flexibles

Dates limites flexibles

Réinitialisez les dates limites selon votre disponibilité.
Niveau intermédiaire

Niveau intermédiaire

Heures pour terminer

Approx. 17 heures pour terminer

Recommandé : 9 hours/week...
Langues disponibles

Anglais

Sous-titres : Anglais
100 % en ligne

100 % en ligne

Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Dates limites flexibles

Dates limites flexibles

Réinitialisez les dates limites selon votre disponibilité.
Niveau intermédiaire

Niveau intermédiaire

Heures pour terminer

Approx. 17 heures pour terminer

Recommandé : 9 hours/week...
Langues disponibles

Anglais

Sous-titres : Anglais

Programme du cours : ce que vous apprendrez dans ce cours

Semaine
1
Heures pour terminer
5 heures pour terminer

Fundamentals of Supervised Learning in Finance

...
Reading
9 videos (Total 71 min), 4 lectures, 1 quiz
Video9 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
Reading4 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
Heures pour terminer
4 heures pour terminer

Core Concepts of Unsupervised Learning, PCA & Dimensionality Reduction

...
Reading
6 videos (Total 54 min), 3 lectures, 1 quiz
Video6 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
Reading3 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
Heures pour terminer
4 heures pour terminer

Data Visualization & Clustering

...
Reading
7 videos (Total 50 min), 3 lectures, 1 quiz
Video7 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
Reading3 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
Heures pour terminer
5 heures pour terminer

Sequence Modeling and Reinforcement Learning

...
Reading
11 videos (Total 101 min), 3 lectures, 1 quiz
Video11 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
Reading3 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

Enseignant

À propos de New York University Tandon School of Engineering

Tandon offers comprehensive courses in engineering, applied science and technology. Each course is rooted in a tradition of invention and entrepreneurship....

À propos de la 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.

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