×
ribbon

آموزش معاملات الگوریتمی با استفاده از هوش مصنوعی

مدرس:

چیا لیلی پور

این دوره با هدف آشنایی جامع افراد با مفاهیم یادگیری ماشین، پیاده سازی هوش مصنوعی و توسعه ربات... بیشتر
گواهی‌نامه
4.1 (9)
6 دیدگاه
451دانشجو
14ساعت
سرفصل‌ها
مقدماتی تا پیشرفته سطح دوره

اشتراک مکتب‌پلاس

خرید اشتراک

با خرید اشتراک مکتب‌پلاس، علاوه بر این دوره، به بیش از ۴،۰۰۰ دوره دیگر دسترسی خواهید داشت.

دسترسی به تمام دوره‌هابیش از ۴،۰۰۰ دوره
محتوای دوره
سرفصل‌ها
پیش‌نیاز‌ها
توضیحات دوره
دیدگاه کاربران
درباره مدرس

آنچه در این دوره می‌آموزید

زبان پایتون از سطح مقدماتی تا پیشرفته، مناسب برای افراد بدون پیش‌زمینه برنامه‌نویسی.

کتابخانه‌های کلیدی علوم داده مانند NumPy، Pandas، Matplotlib و Seaborn برای تحلیل و پردازش داده‌ها

یادگیری ماشین (Machine Learning) با تمرکز بر مدل‌های کلاسیفیکیشن (دسته‌بندی) و رگرشن (پیش‌بینی)

پیاده‌سازی مدل‌های یادگیری ماشین برای پیش‌بینی قیمت‌ها در بازارهای مالی

این دوره شامل:

14 ساعت ویدئو

گواهینامه مکتب‌خونه

دسترسی مادام‌العمر به محتوای دوره

سرفصل‌های دوره

6 فصل49 جلسه14 ساعت ویدیو
پایتون مقدماتی
  محیط برنامه نویسی پایتون و توضیح در رابطه با اینوایرنمنت و ضرورت استفاده از آن
08:13
  نحوه ی ایجاد اینوایرنمنت جدید با استفاده از آناکوندا
14:26
  تست اینوایرنمنت ایجاد شده
05:29
   نحوه ی تعریف متغیر ها و کار با عملگرها و دیتا تایپ های مختلف در پایتون
12:15
   تعریف لیست، تاپل، دیکشنری و ست در پایتون
20:25
   رشته یا استرینگ و شرط ایف
19:05
   نحوه ی تعریف حلقه while و loop و انواع آن
21:22
   نحوه ی تعریف تابع و Lambda و کاربرد های آن در پایتون
14:09
  Object oriented programming in python
32:43
  ارث بری در پایتون
13:15
  Git hub description
08:44
دیتا ساینس و آموزش کامل کتابخانه های آن
  نامپای- بیسیک
21:43
  نامپای- عملگر های منطقی
06:34
  نامپای- ایندکسینگ و نحوه ی تولید اعداد راندوم
10:13
  نامپای- Conditional Selection
05:21
  نامپای- sorting
05:43
  نامپای- Matrix multiplication
09:40
  Pandas: مقدمه ای بر پانداس
18:33
  Pandas- داده های ناموجود و پر کردن اطلاعات
16:52
   Pandas- متودهای کاربردی در کنار گروپ بای، کانکات و اپلای
19:58
   Pandas- کار با دیتافریم و استخراج اطلاعات سهام از طریق یاهو فایننس
24:30
  Pandas TA: تحلیل تکنیکال با پایتون
13:46
  Matplotlib- آموزش مقدماتی- Plot, label, title, savefig
13:32
  object oriented programming - Matplotlib
23:03
   Matplotlib - رسم انواع نمودار و چارت با استفاده از پانداس
17:32
یادگیری ماشین با استفاده از سایکیت لرن
  معرفی کتابخانه ی سایکیت لرن و نقشه ی راه
12:19
  تعریف مدل و آموزش مدل و تقسیم بندی دیتا برای آموزش و تست مدل
22:10
  ذخیره سازی و بارگذاری مدل
14:15
  Evaluation Matrix, Cofusion Matrix
10:31
  آماده سازی دیتا: تبدیل داده‌های غیر عددی به داده عددی
18:43
  آماده سازی دیتا: پر کردن دیتاهای ناموجود با استفاده از کتابخانه پانداس
12:48
  آماده سازی دیتا: پر کردن دیتاهای ناموجود با استفاده از کتابخانه سایکیت لرن
13:26
مدل سازی Classification برای دیتا های سوپروایز شده
  بررسی ارتباط دیتا ها و ستون های مختلف با هم
27:06
  پیاده سازی چندین مدل کلسیفیکیشن همزمان
27:07
  پیاده سازی ()randomizedSearchCV برای تنظیم کردن مدل یادگیری ماشین
23:06
  پیاده سازی ()GridSearchCV برای تنظیم کردن مدل یادگیری ماشین
16:48
  ارزیابی مدل یادگیری ماشین با استفاده از ROC Curve and AUC
12:23
  ارزیابی مدل یادگیری ماشین با استفاده از Cross validation scores
10:36
  ارزیابی مدل ریاضی با استفاده از Feature importance
09:11
مدل سازی Regression برای دیتا های سوپروایز شده
  آماده سازی دیتا برای مدل سازی رگریشن
18:18
  تبدیل فرمت دیت تایم به عدد
14:48
   داده‌های غیر عددی به عددی - بخش اول
11:01
  تبدیل داده‌های غیر عددی به عددی - بخش دوم (همچنین پر کردن داده‌های ناموجود)
14:43
  ترین کردن دیتا با مدل رگرشن
20:01
  ارزیابی مدل رگریشن
21:48
  تنظیم هایپر پارامترها
12:16
  نهایی کردن مدل و اجرای آن بر روی تست دیتا
20:29
مدل سازی ماشین در بازار های مالی و کریپتو
  پیاده سازی مدل کلاسیفیکیشن برای پیش بینی کندل بیت کوین
29:30
  استفاده از مدل ریاضی در ربات معامله‌گر 24 ساعته و 7 روز هفته
46:24

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.

توضیحات دوره

این دوره با هدف آشنایی جامع افراد با مفاهیم یادگیری ماشین، پیاده‌سازی هوش مصنوعی و توسعه ربات‌های معامله‌گر مبتنی بر هوش مصنوعی طراحی شده است. در ابتدای دوره، زبان برنامه‌نویسی پایتون از سطح پایه تا پیشرفته به‌صورت کامل آموزش داده می‌شود تا تمامی شرکت‌کنندگان، حتی افرادی که هیچ تجربه‌ای در برنامه‌نویسی ندارند، بتوانند به‌راحتی مباحث را دنبال کنند.

پس از آن، به یادگیری کتابخانه‌های کلیدی علوم داده (Data Science) مانند NumPy، Pandas، Matplotlib و Scikit-Learn پرداخته می‌شود که بیشترین کاربرد را در تحلیل داده‌ها و پیاده‌سازی مدل‌های هوش مصنوعی دارند. در ادامه، مدل‌های یادگیری ماشین شامل کلاسیفیکیشن (دسته‌بندی) و رگرشن (پیش‌بینی) به‌صورت کامل بررسی می‌شوند و از آن‌ها برای پیش‌بینی قیمت‌ها در بازارهای مالی استفاده خواهیم کرد.

این مرحله شامل توضیح مفاهیم تئوری، پیاده‌سازی عملی و بهینه‌سازی مدل‌ها برای افزایش دقت پیش‌بینی خواهد بود تا شرکت‌کنندگان بتوانند مدل‌هایی دقیق و قابل اعتماد طراحی کنند که در شرایط واقعی بازار کاربرد داشته باشند.

در فصل نهایی، تمامی دانش کسب‌شده در قالب یک پروژه عملی به کار گرفته می‌شود و یک ربات معامله‌گر مبتنی بر هوش مصنوعی طراحی و پیاده‌سازی خواهد شد که می‌تواند به‌طور خودکار استراتژی‌های معاملاتی را اجرا کند. هدف از این پروژه، تلفیق مباحث یادگیری ماشین، تحلیل داده و منطق معاملاتی است تا مهارت‌ها از سطح تئوری به سطح عملی برسند.

این دوره برای همه افراد، حتی کسانی که هیچ پیش‌زمینه‌ای در برنامه‌نویسی یا هوش مصنوعی ندارند، مناسب است؛ چرا که تمامی مفاهیم از سطح مقدماتی تا پیشرفته تدریس می‌شود و با ارائه مثال‌های عملی در هر مرحله، شرکت‌کنندگان به‌تدریج مهارت‌های لازم را برای ورود حرفه‌ای به دنیای هوش مصنوعی در بازارهای مالی کسب خواهند کرد. اگر به دنبال یادگیری یک مسیر کاربردی و آینده‌دار در حوزه هوش مصنوعی هستید، این دوره می‌تواند نقطه شروعی قوی برای شما باشد.

دیدگاه کاربران

4.1

بر اساس امتیاز 9 دانشجو

1
2
3
4
5

دانشجوی دوره

6 ماه پیش

5

ممنون بابت اشتراک اطلاعاتتتون، دوره مفید و کاربردی بود

دانشجوی دوره

6 ماه پیش

5

ممنونم بابت دوره عالی تون به عنوان یک مبتدی، پایتون و دیتا ساینس رو خیلی حرفه ای و خوب ازتون یاد گرفتم.

رسول بوستانی

10 ماه پیش

5

بسیار مسلط و کاربلد

دانشجوی دوره

1 سال پیش

5

خیلی عالی بود همراه با توضیحات کامل و جامع

محمد مهدی معصومیان

5 ماه پیش

2

بدرد همه کاری میخورد بجز معامله کردن

سجاد ثروت جو

6 ماه پیش

1

کلا به نظر اسم دوره رو اشتباه انتخاب کردین بهتر بود آموزش مقدمات هوش مصنوعی در پایتون میزاشتین

گواهینامه اختصاصی دو زبانه

پس از گذراندن دوره به صورت آنلاین در سایت مکتب‌خونه، گواهی‌نامه رسمی پایان دوره به زبان فارسی و انگلیسی، توسط مکتب‌خونه به اسم شما صادر شده و در اختیار شما قرار می‌گیرد.

امکان اشتراک گذاری در لینکدین
دو زبانه
1دوره
451دانشجو
9نظر و امتیاز

چیا لیلی پور، برنامه‌نویس و توسعه‌دهنده‌ی حرفه‌ای ربات‌های معاملاتی با تخصص در الگوریتم‌های هوشمند و تحلیل بازارهای مالی

ایشان دارای سال‌ها تجربه در زمینه طراحی و پیاده‌سازی ربات‌های معامله‌گر خودکار با استفاده از زبان‌های MQL4، MQL5، Python، C++ و SQL می‌باشند. تخصص ایشان در توسعه سیستم‌های معاملاتی الگوریتمیک، شامل اجرای استراتژی‌های تحلیل تکنیکال و بنیادی، موجب شده تا پروژه‌های متعددی را در بازارهای مالی به‌صورت موفقیت‌آمیز به سرانجام برسانند.

علاوه بر این، [نام] در حوزه یادگیری ماشین و علوم داده نیز مهارت بالایی دارند و از تکنیک‌های پیشرفته‌ای همچون الگوریتم‌های ژنتیک، منطق فازی و COCO در بهینه‌سازی عملکرد ربات‌های معاملاتی بهره می‌گیرند. این ترکیب از دانش فنی و تجربه عملی، ایشان را به یکی از توسعه‌دهندگان برجسته در حوزه طراحی الگوریتم‌های معاملاتی هوشمند مبتنی بر هوش مصنوعی تبدیل کرده است.

مهارت‌هایی که می‌آموزید

دوره‌های مشابه

سوالات پرتکرار

آیا بعد از پایان مدت دوره همچنان به محتوای آن دسترسی دارم؟

بله. پس از پایان مدت دوره نیز به ویدئوها، تمرین‌ها، پروژه‌ها و سایر محتوای آموزشی دوره دسترسی خواهید داشت؛ اما امکان تصحیح تمرین‌ها توسط پشتیبان دوره و دریافت گواهی‌نامه برای شما وجود نخواهد داشت.