×
ribbon

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

مدرس:

سجاد جمالیان

این دوره یکی از اولین و کامل ترین دوره های آموزش هوش مصنوعی و دیپ لرنینگ در بازار... بیشتر
گواهی‌نامه
3.9 (20)
10 دیدگاه
1,023دانشجو
6ساعت
سرفصل‌ها
مقدماتی 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

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

این دوره شامل:

6 ساعت ویدئو

12 فایل ضمیمه قابل دانلود

گواهینامه مکتب‌خونه

دسترسی مادام‌العمر به محتوای دوره

سرفصل‌های دوره

7 فصل52 جلسه6 ساعت ویدیو
نصب و راه‌اندازی محیط مورد نیاز برای هوش مصنوعی
  مقدمه و معرفی
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
  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
  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)
  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)
  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)
  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

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 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.

 

دیدگاه کاربران

3.9

بر اساس امتیاز 20 دانشجو

1
2
3
4
5

سید محمد صالح آبادی

3 روز پیش

5

خوبه

حسین رفیعی

1 سال پیش

5

ExcellentExcellent بسیار عالی بود. درود به شرف اموزگاریت مرد

دانشجوی دوره

1 سال پیش

5

سلام.به نظرم تدریس استاد خیلی با کیفیت هست.وقتی شخصی مطالب رو درست درک کرده باشه میتونه مطالب رو به سادگی آموزش بده که توی این دوره کاملا این موضوع وجود داره.در رابطه با کدهای آماده هم موضوع خیلی مناسب توی دوره آورده شده.ایشون چند دوره دارن که من واقعا از تدریسشون کلی مطلب یاد گرفتم و به همه دوستان خصوصا توی حوزه مالی توصیه میکنم

یاسمن افتخاری

2 سال پیش

5

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 .

علی بختیارزاده

1 سال پیش

4

ارائه مطالب به عنوان یه اینتروداکشن خوب بود تا جامع . در مورد شیفت دادن هم حتما دوستان دقت کنن وقتی در فیچر ها دیتاها شیفت داده میشه دیگه در کدهای بعدی نیاز نیست . یک جا بود استاد برای ساخت ستون استراتژی باز هم شیفت داد که خب اشتباهه . در مورد تبدیل آرایه دو بعدی به سه بعدی هم اصلا نباید فیوچرهارو شیفت داد چون هنگام انتخاب دیتا مثلا 5 سطر x جدا میشه y برای سطر ششم هست که خودش اتومات شیفت داده میشه و نیاز به شیفت اضافه نیست که اینجااستاد شیفت داده بود و اشتباه بود (میتونین خودتون سرچ کنین) . در کل دوره خوب بود من راضی بودم.

آرش بهنودی

1 سال پیش

4

دوره جامع و کوتاهی و خلاصه ای بود ولی کاش بیشتر عملیاتی صحبت میشد و بشخصه که هم دوره صفر تا 100 ربات معامله گری دیدم توسط این دوره به این درک نرسیدم که دقیقا دیپ لرنینگ چطوری میتونه بهم کمک کنه تو معاملات لایو - فهمیدم که یه الگوریتم ایجاد میکنه که پیش بینی میکنه که امروز بازار مثبت یا منفی ولی اینکه بتونم بفهمم که اگر من به یه مدل بهینه استراتژی که خودم طراحی کردم توسط روش های دیگه حالا این دیپ لرنینگ چه کمکی میتونه بهم بکنه برای بهبود سیستم معاملاتیم هنوزم که هنوزه نفهمیدم کاش یه جلسه کاربردی برای این دوره ضبط بشه که بتونیم در واقعیت کاربردش متوجه بشیم همونطور که برای دوره صفر تا100ربات معامله گری ضبط شد .

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
6دوره
6,678دانشجو
131نظر و امتیاز

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.

دوره‌های مشابه

دیگر دوره‌های سجاد جمالیان

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.