Ce cours fait partie de la Spécialisation Machine Learning and Reinforcement Learning in Finance

3.8
étoiles
640 évaluations

83 %

Igor Halperin

29 676 déjà inscrits

Offert par

Spécialisation Machine Learning and Reinforcement Learning in FinanceNew York University

À propos de ce cours

14 084 consultations récentes

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.

Dates limites flexibles

Réinitialisez les dates limites selon votre disponibilité.

Certificat partageable

Obtenez un Certificat lorsque vous terminez

100 % en ligne

Commencez dès maintenant et apprenez aux horaires qui vous conviennent.

Cours 1 sur 4 dans le

Spécialisation Machine Learning and Reinforcement Learning in Finance

Niveau intermédiaire

Approx. 24 heures pour terminer

Anglais

Dates limites flexibles

Réinitialisez les dates limites selon votre disponibilité.

Certificat partageable

Obtenez un Certificat lorsque vous terminez

100 % en ligne

Commencez dès maintenant et apprenez aux horaires qui vous conviennent.

Cours 1 sur 4 dans le

Spécialisation Machine Learning and Reinforcement Learning in Finance

Niveau intermédiaire

Approx. 24 heures pour terminer

Anglais

Enseignant

Évaluation de l'enseignant

3,87/5 (68 évaluations)

Igor Halperin

44 564 étudiants

4 cours

Offert par

New York University

Programme de cours : ce que vous apprendrez dans ce cours

Évaluation du contenu83%(1,712 évaluations)

Semaine

Semaine 1

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 exercice pour s'entraîner

Module 1 Quiz30 min

Semaine

Semaine 2

6 heures pour terminer

Mathematical Foundations of Machine Learning

6 heures pour terminer

6 vidéos (Total 45 min), 3 lectures, 2 quiz

6 vidéos

Generalization and a Bias-Variance Tradeoff6 min

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 exercice pour s'entraîner

Module 2 Quiz15 min

Semaine

Semaine 3

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 exercice pour s'entraîner

Module 3 Quiz15 min

Semaine

Semaine 4

10 heures pour terminer

Supervised Learning in Finance

10 heures pour terminer

9 vidéos (Total 66 min), 4 lectures, 3 quiz

9 vidéos

Regression and Equity Analysis7 min

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

1 exercice pour s'entraîner

Module 4 Quiz21 min

Avis

3.8

209 avis

5 stars
41,87 %
4 stars
23,90 %
3 stars
13,43 %
2 stars
10,78 %
1 star
10 %

Meilleurs avis pour GUIDED TOUR OF MACHINE LEARNING IN FINANCE

par DW8 sept. 2019

Leans heavily on explaining differences between tech and finance applications of ML, but still great!

par SS28 févr. 2020

The course is easy to understand and give insightful details on how to apply machine learning in finance

par CO18 avr. 2019

Very Difficult - Impossible to succeed without very strong prior experience. Would deserve more guidelines

par SH2 juil. 2020

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

Voir tous les avis

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

Quand aurai-je accès aux vidéos de cours et aux devoirs ?
L’accès à des vidéos de cours et des devoirs dépend de votre type d’inscription. Si vous suivez un cours en mode auditeur libre, vous pourrez voir la plupart des contenus de cours gratuitement. Pour accéder aux devoirs notés et obtenir un certificat, vous devrez acheter une expérience de certificat, pendant ou après avoir assister au cours en tant qu’auditeur libre. Si vous ne visualisez pas l’option auditeur libre :
Il est possible que le cours ne propose pas d’option auditeur libre. Vous pouvez en revanche accéder à un essai gratuit ou faire une demande d'aide financière.
Le cours propose peut-être « Cours complet, aucun certificat » à la place. Cette option vous permet de voir tous les contenus de cours, de soumettre les évaluations requises et d'obtenir une note finale. Cependant, vous ne pourrez pas acheter une expérience de certificat.
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.
Une aide financière est-elle possible ?
Oui. Dans certains programmes d’apprentissage, vous pouvez demander une aide financière ou une bourse d’études si vous ne pouvez pas payer les frais d’inscription. Si une aide financière ou une bourse d’études est disponible pour le programme d’apprentissage choisi, vous trouverez un lien pour faire une demande sur la page de description.

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

Guided Tour of Machine Learning in Finance

À propos de ce cours