Program Nadzorowanego Uczenia Finansowego

Rozpoczynamy od solidnych podstaw - poznasz matematyczne fundamenty algorytmów uczenia nadzorowanego, a także praktyczne zastosowania w kontekście danych finansowych.

• Algebra liniowa dla analizy finansowej
• Statystyka w przewidywaniu trendów
• Przygotowanie danych giełdowych
• Pierwsza implementacja w Python

Zagłębiamy się w techniki regresji - od prostej regresji liniowej po zaawansowane modele wielowymiarowe. Nauczysz się prognozować ceny akcji i analizować ryzyko portfela.

• Regresja liniowa i wielomianowa
• Regularyzacja Ridge i Lasso
• Prognozowanie cen instrumentów finansowych
• Analiza szeregów czasowych

Koncentrujemy się na algorytmach klasyfikacji - dowiesz się, jak oceniać zdolność kredytową, klasyfikować instrumenty finansowe według poziomu ryzyka i wykrywać anomalie w transakcjach.

• Decision Trees i Random Forest
• Support Vector Machines (SVM)
• Ocena zdolności kredytowej
• Detekcja oszustw finansowych

Poznasz zaawansowane techniki łączenia wielu modeli - ensemble learning, bagging i boosting. Te metody znacząco poprawią dokładność twoich prognoz finansowych.

• Gradient Boosting i XGBoost
• Techniki bagging i voting
• Stacking i blending modeli
• Optymalizacja hiperparametrów

Wchodzimy w świat deep learning - nauczysz się budować i trenować sieci neuronowe do analizy danych finansowych, ze szczególnym uwzględnieniem sieci rekurencyjnych do szeregów czasowych.

• Perceptrony wielowarstwowe
• Sieci rekurencyjne (RNN, LSTM)
• Analiza nastrojów rynkowych
• Algorytmiczny trading

Kulminacją programu jest kompleksowy projekt - stworzysz własny system analizy finansowej, który będzie wykorzystywał wszystkie poznane techniki i będzie gotowy do wdrożenia w prawdziwym środowisku.

• Wybór problemu biznesowego
• Implementacja end-to-end rozwiązania
• Walidacja i testowanie modelu
• Prezentacja wyników