À propos de ce cours

86,686 consultations récentes

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. 16 heures pour terminer

Recommandé : 17 hours/week...

Anglais

Sous-titres : Anglais

Compétences que vous acquerrez

Machine LearningFinanceTradingInvestment

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. 16 heures pour terminer

Recommandé : 17 hours/week...

Anglais

Sous-titres : Anglais

Offert par

Logo Google Cloud

Google Cloud

Logo New York Institute of Finance

New York Institute of Finance

Programme du cours : ce que vous apprendrez dans ce cours

Évaluation du contenuThumbs Up86%(1,188 notes)Info
Semaine
1

Semaine 1

1 heure pour terminer

Introduction to Trading, Machine Learning and GCP

1 heure pour terminer
13 vidéos (Total 57 min), 1 lecture, 3 quiz
13 vidéos
Trading vs Investing6 min
The Quant Universe2 min
Quant Strategies7 min
Quant Trading Advantages and Disadvantages4 min
Exchange and Statistical Arbitrage8 min
Index Arbitrage2 min
Statistical Arbitrage Opportunities and Challenges5 min
Introduction to Backtesting5 min
Backtesting Design6 min
What is AI and ML ? What is the difference between AI and ML?58s
Applications of ML in the Real World1 min
What is ML?3 min
1 lecture
Welcome to Introduction to Trading, Machine Learning and GCP10 min
3 exercices pour s'entraîner
Introduction to Trading5 min
Python Skills Assessment Quiz
Intro to AI and ML5 min
Semaine
2

Semaine 2

3 heures pour terminer

Supervised Learning and Forecasting

3 heures pour terminer
13 vidéos (Total 72 min)
13 vidéos
Regression and classification11 min
Short history of ML: Linear Regression7 min
Short history of ML: Perceptron5 min
Lab Intro: Building a Regression Model37s
Introduction to Qwiklabs3 min
Lab Walkthrough: Building a Regression Model9 min
What is forecasting? - part 15 min
What is forecasting? - part 24 min
Choosing the right model and BQML - part 13 min
Choosing the right model and BQML - part 22 min
Lab Intro: Forecasting Stock Prices using Regression in BQML36s
Lab Walkthrough: Forecasting Stock Prices using Regression in BQML12 min
1 exercice pour s'entraîner
Forecasting
Semaine
3

Semaine 3

2 heures pour terminer

Time Series and ARIMA Modeling

2 heures pour terminer
11 vidéos (Total 52 min)
11 vidéos
AR - Auto Regressive7 min
MA - Moving Average2 min
The Complete ARIMA Model4 min
ARIMA compared to linear regression7 min
How can you get a variety of models from just a single series?1 min
How to choose ARIMA parameters for your trading model4 min
Time Series Terminology: Auto Correlation4 min
Sensitivity of Trading Strategy4 min
Lab Intro: Forecasting Stock Prices Using ARIMA32s
Lab Walkthrough: Forecasting Stock Prices using ARIMA7 min
1 exercice pour s'entraîner
Time Series
Semaine
4

Semaine 4

1 heure pour terminer

Introduction to Neural Networks and Deep Learning

1 heure pour terminer
9 vidéos (Total 36 min)
9 vidéos
Short history of ML: Modern Neural Networks8 min
Overfitting and Underfitting6 min
Validation and Training Data Splits4 min
Why Google?1 min
Why Google Cloud Platform?2 min
What are AI Platform Notebooks1 min
Using Notebooks1 min
Benefits of AI Platform Notebooks2 min
3 exercices pour s'entraîner
Model generalization
Google Cloud
Module Quiz8 min

Avis

Meilleurs avis pour INTRODUCTION TO TRADING, MACHINE LEARNING & GCP
Voir tous les avis

À propos du Spécialisation Machine Learning for Trading

This Specialization is for finance professionals, including but not limited to hedge fund traders, analysts, day traders, those involved in investment management or portfolio management, and anyone interested in gaining greater knowledge of how to construct effective trading strategies using Machine Learning. Alternatively, this specialization can be for machine learning professionals who seek to apply their craft to quantitative trading strategies. The courses will teach you how to create various trading strategies using Python. By the end of the Specialization, you will be able to create quantitative trading strategies that you can train and implement. You will also learn how to use reinforcement learning strategies to create algorithms that can update and train themselves. To be successful in this Specialization, you should have a basic competency in Python programming and familiarity with pertinent libraries for machine learning, such as Scikit-Learn, StatsModels, and Pandas. Experience with SQL will be helpful. You should have a background in statistics (expected values and standard deviation, Gaussian distributions, higher moments, probability, linear regressions) and a basic knowledge of financial markets (equities, bonds, derivatives, market structure, hedging)....
Machine Learning for Trading

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.