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.
Ce cours fait partie de la Spécialisation Machine Learning and Reinforcement Learning in Finance
Guided Tour of Machine Learning in Finance
Offert par
Spécialisation Machine Learning and Reinforcement Learning in FinanceUniversité de New York, Tandon School of Engineering
À propos de ce cours
34,079 consultations récentes
Résultats de carrière des étudiants
50%
ont commencé une nouvelle carrière après avoir terminé ce cours
47%
ont bénéficié d'un avantage concret dans leur carrières grâce à ce cours
Résultats de carrière des étudiants
50%
ont commencé une nouvelle carrière après avoir terminé ce cours
47%
ont bénéficié d'un avantage concret dans leur carrières grâce à ce cours
100 % en ligne
Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Cours 1 sur 4 dans le
Dates limites flexibles
Réinitialisez les dates limites selon votre disponibilité.
Niveau intermédiaire
Approx. 21 heures pour terminer
Recommandé : 11 hours/week
Anglais
Sous-titres : Anglais, Français
Programme du cours : ce que vous apprendrez dans ce cours
3 heures pour terminer
Artificial Intelligence & Machine Learning
3 heures pour terminer
11 vidéos (Total 75 min), 3 lectures, 1 quiz
11 vidéos
Welcome Note4 min
Specialization Objectives8 min
Specialization Prerequisites7 min
Artificial Intelligence and Machine Learning, Part I6 min
Artificial Intelligence and Machine Learning, Part II7 min
Machine Learning as a Foundation of Artificial Intelligence, Part I5 min
Machine Learning as a Foundation of Artificial Intelligence, Part II7 min
Machine Learning as a Foundation of Artificial Intelligence, Part III7 min
Machine Learning in Finance vs Machine Learning in Tech, Part I6 min
Machine Learning in Finance vs Machine Learning in Tech, Part II6 min
Machine Learning in Finance vs Machine Learning in Tech, Part III8 min
3 lectures
The Business of Artificial Intelligence30 min
How AI and Automation Will Shape Finance in the Future30 min
A. Geron, “Hands-On Machine Learning with Scikit-Learn and TensorFlow”, Chapter 130 min
1 exercices pour s'entraîner
Module 1 Quiz30 min
6 heures pour terminer
Mathematical Foundations of Machine Learning
6 heures pour terminer
6 vidéos (Total 45 min), 3 lectures, 2 quiz
6 vidéos
The No Free Lunch Theorem7 min
Overfitting and Model Capacity8 min
Linear Regression7 min
Regularization, Validation Set, and Hyper-parameters10 min
Overview of the Supervised Machine Learning in Finance3 min
3 lectures
I. Goodfellow, Y. Bengio, A. Courville, “Deep Learning”, Chapters 4.5, 5.1, 5.2, 5.3, 5.41 h
Leo Breiman, “Statistical Modeling: The Two Cultures”1 h
Jupyter Notebook FAQ10 min
1 exercices pour s'entraîner
Module 2 Quiz15 min
6 heures pour terminer
Introduction to Supervised Learning
6 heures pour terminer
7 vidéos (Total 75 min), 4 lectures, 2 quiz
7 vidéos
DataFlow and TensorFlow10 min
A First Demo of TensorFlow11 min
Linear Regression in TensorFlow10 min
Neural Networks11 min
Gradient Descent Optimization10 min
Gradient Descent for Neural Networks12 min
Stochastic Gradient Descent8 min
4 lectures
A.Geron, “Hands-On ML”, Chapter 9, Chapter 4 (Gradient Descent)1 h
E. Fama and K. French, “Size and Book-to-Market Factors in Earnings and Returns”, Journal of Finance, vol. 50, no. 1 (1995), pp. 131-155.15 min
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. 1-4115 min
Jupyter Notebook FAQ10 min
1 exercices pour s'entraîner
Module 3 Quiz15 min
10 heures pour terminer
Supervised Learning in Finance
10 heures pour terminer
9 vidéos (Total 66 min), 4 lectures, 3 quiz
9 vidéos
Fundamental Analysis7 min
Machine Learning as Model Estimation8 min
Maximum Likelihood Estimation10 min
Probabilistic Classification Models6 min
Logistic Regression for Modeling Bank Failures, Part I8 min
Logistic Regression for Modeling Bank Failures, Part II5 min
Logistic Regression for Modeling Bank Failures, Part III8 min
Supervised Learning: Conclusion2 min
4 lectures
C. Bishop, “Pattern Recognition and Machine Learning”, Chapters 4.1, 4.2, 4.31 h
A. Geron, “Hands-On ML”, Chapters 3, Chapter 4 (Logistic Regression)1 h
Jupyter Notebook FAQ10 min
Jupyter Notebook FAQ10 min
1 exercices pour s'entraîner
Module 4 Quiz21 min
Avis
3.8
Meilleurs avis pour GUIDED TOUR OF MACHINE LEARNING IN FINANCE
par KDAug 23, 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.
par VBAug 25, 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.
par MSDec 31, 2018
Despite all the problems with the assignments and the grader this course provides really good overview ML tools and their application to finance. It's definitely worth the effort
par XZJul 31, 2018
The course content is a mix of theory and practical stuff. One star off is due to the poor quality of programming assignment, i.e., unclear instructions and explanations.
À propos de Université de New York, 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 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.
Foire Aux Questions
Quand aurai-je accès aux vidéos de cours et aux devoirs ?
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.
À quoi ai-je droit si je m'abonne à cette Spécialisation ?
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.
Quelle est la politique de remboursement ?
Une aide financière est-elle possible ?
D'autres questions ? Visitez le Centre d'Aide pour les Etudiants.
