آموزش جامع دیپ لرنینگ برای پیش‌بینی قیمت سهام و استراتژی معاملاتی خودکار

poster
پیش‌نمایش دوره

این دوره یکی از اولین و کامل‌ترین دوره‌های آموزش هوش مصنوعی و دیپ‌لرنینگ در بازار سهام و پیش‌بینی قیمت انواع دارایی‌های مالی و خودکارسازی معاملات است. تمامی اجراهای این دوره در پایتون و محیط ژوپیتر ... ادامه

برگزارکننده:  مکتب‌خونه  مکتب‌خونه
مدرس دوره:
3.5 (6 رای)
سطح: مقدماتی
 پلاس
  
زمان مورد نیاز برای گذراندن دوره:  6 ساعت
مجموع محتوای آموزشی:  6 ساعت ویدئو
 (قابل دانلود می‌باشد)

آنچه در این دوره می‌آموزیم:

 طراحی استراتژی معاملاتی بر پایه دیپ لرنینگ

 یافتن برترین شبکه‌های عصبی برای معامله سهام

 بهینه‌سازی استراتژی و دریافت گزارشات حرفه‌ای از عملکرد مدل دیپ لرنینگ

 آشنایی با مفاهیم جزئی مورد نیاز دیپ لرنینگ

پیش‌نیاز‌ها

این دوره به نحوی تهیه و تدوین شده است که مباحث آن به ساده‌ترین شکل ممکن بیان شوند و مخاطبان دوره بتوانند به‌سادگی متوجه موضوعات مطرح شده شوند. به همین جهت برای شرکت در این دوره هیچ پیش‌نیاز به خصوصی وجود ندارد و افراد با هر سطحی از آگاهی و تحصیلات می‌توانند از مباحث این دوره نهایت استفاده را داشته باشند.

سرفصل‌های دوره آموزش جامع دیپ لرنینگ برای پیش‌بینی قیمت سهام و استراتژی معاملاتی خودکار

نصب و راه‌اندازی محیط مورد نیاز برای هوش مصنوعی

در این فصل طریقه ساخت دو نوع محیط مجازی مناسب برای اجرای هوش مصنوعی و نصب‌های مورد نیاز بیان می‌گردد.

  مقدمه و معرفی
مشاهده
"05:40  
  ساخت محیط مجازی برای کار با هوش مصنوعی
"12:18  
  فعال‌سازی محیط مجازی قابل استفاده برای GPU
"09:42  
  تست و مقایسه سرعت CPU و GPU در اجرای یک مدل دیپ لرنینگ
"04:02  
مقدمات پایتون مورد نیاز

در این فصل موارد مقدماتی مورد نیاز این دوره از پایتون آموزش داده می‌شود.

  کتابخانه Numpy
"05:18  
  Slicing , Transformation , Indexing
"06:16  
  کتابخانه Pandas
"09:19  
  Rolling , Groupby
"08:57  
  کتابخانه Matplotlib
"04:53  
پیش پردازش داده‌های مورد نیاز یادگیری عمیق

پیش پردازش مهم‌ترین مرحله پیش از اجرای مدل‌های هوش مصنوعی نظیر ML DNN RNN LSTM و... است.

در این فصل دریافت و پیش پردازش و آماده‌سازی داده‌ها آموزش داده  می‌شود.

  دریافت داده‌های بورس تهران و بورس‌های خارجی
"11:05  
  Exploratory Data Analysis برای پیش پردازش داده‌ها
"08:14  
  ساخت فیچرهای مورد نیاز برای پیش‌بینی قیمت سهام (در پایتون)
"08:57  
  ایجاد تابع feature_engineering برای پیش پردازش
"06:08  
یادگیری عمیق (Deep Learning)

در این فصل مفاهیم مورد نیاز از یادگیری عمیق آموزش داده می‌شود.

 

 

  شبکه عصبی ANN (ساخت بلوک‌ها)
"05:22  
  Feed Forward - طریقه کارکرد هر نورون
"07:51  
  توابع فعال‌سازی و انواع آن
"10:31  
  Gradient descent و loss function
"06:51  
  Learning Rate
"05:39  
  مصورسازی Gradient Descent
"02:13  
  Tensorflow Playground - توضیحات
"06:33  
  Tensorflow Playground - اجرا و تمرین
"10:51  
کدنویسی Deep Learning (DNN or ANN)

در این فصل در محیط پایتون شبکه‌های عصبی متعدد را برای پیش‌بینی قیمت سهام و استراتژی معاملاتی می‌سازیم.

  Feature Engineering و پیش پردازش
"09:23  
  استانداردسازی داده‌ها
"03:53  
  ساخت یک شبکه عصبی عمیق در پایتون
"08:32  
  متدهای optimization
"08:39  
  تمرین شبکه عصبی روی داده‌های سهام - مقایسه loss ها
"05:20  
  Overfitting - Underfitting
"03:49  
  حل مشکل Overfitting با Early stop
"11:27  
  خودکارسازی برای معاملات الگوریتمی
"04:06  
  ساخت 100 شبکه عصبی ANN
"14:22  
  یک توضیح از جلسه قبل
"01:47  
  Drawdown
"04:43  
  ایجاد معیار سنجش برای انتخاب برترین مدل ANN
"10:08  
  ایجاد سبد سهام
"05:41  
  متد حرفه‌ای Bagging برای انتخاب مدل‌های برتر شبکه عصبی
"11:56  
  نسبت Sortino - نسبت Beta
"08:30  
  کدنویسی و اجرای Beta
"04:25  
  معیار Alpha jensen
"04:11  
  ایجاد تابع Backtest برای بررسی حرفه‌ای استراتژی‌های هوش مصنوعی
"07:03  
  اجرای استراتژی معاملاتی و بکتست
"07:50  
شبکه عصبی بازگشتی (RNN)

در این فصل شبکه RNN بیان می‌گردد

  RNN چیست - چگونه کار می‌کند - عملیات درون یک نورون RNN
"10:03  
  شبکه LSTM
"06:38  
  عملیات در یک بلوک LSTM
"07:17  
  2D to 3D Data
"05:24  
کدنویسی شبکه عصبی بازگشتی (RNN)
  پیش پردازش و استانداردسازی
"02:58  
  2D to 3D Data (پایتون)
"04:50  
  ساخت مدل RNN و LSTM
"07:02  
  اجرای مدل LSTM و حل یک مشکل اساسی
"08:15  
  خودکارسازی و ساخت 40 مدل LSTM
"08:41  
  شاخص سنجی و انتخاب برترین مدل‌های LSTM
"02:17  
  متد Bagging برای LSTM
"03:09  
  سخن پایانی
"05:01  

درباره دوره

این دوره یکی از اولین و کامل‌ترین دوره‌های آموزش هوش مصنوعی و دیپ‌لرنینگ در بازار سهام و پیش‌بینی قیمت انواع دارایی‌های مالی و خودکارسازی معاملات است.

تمامی اجراهای این دوره در پایتون و محیط ژوپیتر نوت‌بوک پیاده‌سازی می‌شود.

شما در این دوره موارد زیر را می‌آموزید:

  • استفاده از هوش مصنوعی و دیپ‌لرنینگ (یادگیری عمیق) برای پیش‌بینی قیمت سهام
  • ساخت استراتژی معاملاتی بر پایه ی شبکه‌های عصبی DNN و RNN و LSTM و کسب سود از هر استراتژی
  • بررسی 100 ها مدل شبکه عصبی برای هر سهام و کدنویسی برای انتخاب برترین استراتژی ممکن
  • خودکارسازی استراتژی و معاملات خودکار (الگوریتمی) بر روی هر دارایی (شامل سهام، بیت‌کوین، ارزهای فارکس، سهام بورس تهران)
  • بیان موارد تئوری موردنیاز برای هوش دیپ‌لرنینگ
  • نصب و راه‌اندازی محیط‌های لازم برای اجرای یک هوش مصنوعی

نکته بسیار جذاب این دوره، ساختار طراحی آن است که مناسب برای همه افراد حتی کسانی که کوچک‌ترین اطلاعی از هوش مصنوعی و دیپ‌لرنینگ و حتی پایتون ندارند، است.

در این دوره تلاش شده تا با بیانی قابل‌فهم و قوت انتقال حرفه‌ای، مطالب موردنیاز به‌صورت جزئی برای دانشجویان تفهیم گردد تا بحث‌های ثقیل به‌راحتی منتقل گردند.

طراحی دوره کاملاً کاربردی و در فضای عملی است و  یکی از جذاب‌ترین دوره‌هایی خواهد بود که در چند سال اخیر آن را مشاهده نموده‌اید.

مطمئنیم ...

درباره استاد

maktabkhooneh-teacher سجاد جمالیان

مهندس سجاد جمالیان رتبه یک کشور و دانشجوی دکتری تخصصی مالی در دانشگاه تهران و دارای مدرک کارشناسی ارشد مهندسی مالی از دانشگاه تربیت مدرس تهران هستند. ایشان تحلیلگر یکی از کارگزاری‌های رده الف بورس اوراق بهادار بوده‌اند وهم اکنون به عنوان تحلیلگر ارشد مالی و متخصص هوش مصنوعی یکی از بزرگترین هلدینگ‌های ایران مشغول به کار هستند. حیطه تخصص ایشان درتحلیل داده، معاملات الگوریتمی، ریسک، ماشین لرنینگ و دیپ لرنینگ در بازارهای مالی و بیزنس‌ها است.

مشاهده پروفایل و دوره‌‌های استاد

نظرات کاربران

تا کنون نظری برای این دوره ثبت نشده است. برای ثبت نظر باید ابتدا در دوره ثبت نام کرده و دانشجوی دوره باشید.
یاسمن افتخاری 1403-01-31
سلام استاد وقتتون بخیر . من در محیط google colab کار میکنم و زمانی که محیط مجازی خودم را میسازم چه از روش virtualenv یا poetry و محیط مجازی هم با دستوره !source /content/myvienv/bin/activate اکتیو میکنم اما همچنان نمیتوانم از محیط مجازیه خود استفاده کنم و زمانی که میخوام چک کنم در کدام محیط کار میکنم و دستور which python را میزنم /usr/local/bin/python این ادرس را می دهد . در اغلب روش هایی که تلاش کردم محیط مجازی در googlecolab بسازم مثل روش poetry اغلی این مشکل را دارم و محیطم فعال نمیشود . ممنون میشوم راهنمایی کنید .
سیدشهاب الدین م شریعتمداری 1402-10-26
با سلام هزینه دوره بسیار بالا بوده و به نظرم برای 6 ساعت آموزش خیلی زیاد میباشد کد های کاربردی به دانشجو داده نمیشود فقط یک سری کد را اجرا میکنند اطلاعات و سواد استاد به نظر خوب است
1402-09-20
دو دوره همزمان خریداری کردم از این دوره جامع دیپ لرنینگ که اصلا راضی نبودم و فکر کنم مدرس حترم باید متوجه کلمه جامع باشند که چه تایتی برای مطلبشون انتخاب میکنند . صرفا یکسری مطالب و کدهای آماده را روخوانی کردند و بنظرم حتی مبلغی که برای این دوره تعیین کردند منصفانه نبوده و یکسری دید فقط به بیننده میده . تازه من پایتون و کمی ماشین لرنینگ هم بلد بودم . کسی که این دوتا رو بلد نیست به هیچ عنوان توصیه نمیکنم . یعنی تعجب کردم صرفاً فقط فایل ویدئویی زیادی در فهرست هست که 5 دقیقه ای و بعضا 1 دقیقه ای وجود داره . بهتر بود منسجم تر و مطالب رو باز می کردند ...اومدم از یک تولید کننده و مدرسی مثلا حمایت کنم و این دوره رو تهیه کردم اما این باعث شد دیگه هیچوقت از هیچ محتوایی حمایت نکنم . متاسفانه در وب فارسی صرفا یک شبه فقط محتوا تولید می کنند و به بازار می دهند و اصلا برای مخاطب احترام قائل نیستند ... موفق باشید.

دوره‌های پیشنهادی

سوالات پرتکرار

پس از سپری شدن زمان دوره، به محتوای دوره دسترسی خواهم داشت؟
بله؛ پس از سپری شدن مدت زمان دوره شما به محتوای دوره دسترسی خواهید داشت و می توانید از ویدئوها، تمارین، پروژه و دیگر محتوای دوره در صورت وجود استفاده کنید ولی امکان تصحیح تمارین توسط پشتیبان و دریافت گواهی نامه برای شما وجود نخواهد داشت.

بدون برو و برگشت, هوش مصنوعی علم آینده است.

در بازارهای مالی این امر بسیار هویدا شده و کاربردهای هوش مصنوعی در پیش‌بینی قیمت‌ها و طراحی استراتژی‌های معاملاتی عده‌ای از محققین را شگفت‌زده کرده است.

تا جایی که افرادی در این حوزه حضور دارند که با طراحی ربات‌هایی بر پایه هوش مصنوعی (همان چیزی که در این دوره می‌آموزید به سودهای بالایی دست‌یافته‌اند.

البته کاربردهای دیپ‌لرنینگ و ماشین لرنینگ در اینجا متوقف نمی‌شود و کاربردهای زیادی در زمینه محاسبه ریسک و تشکیل پرتفو بهینه نیز دارند.

در هر مقطع و هر حالتی که هستید، این دوره را تماشا نمایید

poster
پیش‌نمایش دوره
  
برگزار کننده:  مکتب‌خونه
  
زمان مورد نیاز برای گذراندن دوره:  6 ساعت
مجموع محتوای آموزشی:  6 ساعت ویدئو
 (قابل دانلود می‌باشد)