The course aims at helping students to be able to solve practical ML-amenable problems that they may encounter in real life that include: (1) understanding where the problem one faces lands on a general landscape of available ML methods, (2) understanding which particular ML approach(es) would be most appropriate for resolving the problem, and (3) ability to successfully implement a solution, and assess its performance.
提供方
Machine Learning and Reinforcement Learning in Finance 專項課程New York University課程信息
18,848 次近期查看
學生職業成果
20%
完成這些課程後已開始新的職業生涯
18%
通過此課程獲得實實在在的工作福利
可分享的證書
完成後獲得證書
100% 在線
立即開始，按照自己的計劃學習。
可靈活調整截止日期
根據您的日程表重置截止日期。
中級
完成時間大約為18 小時
英語（English）
字幕：英語（English）
學生職業成果
20%
完成這些課程後已開始新的職業生涯
18%
通過此課程獲得實實在在的工作福利
可分享的證書
完成後獲得證書
100% 在線
立即開始，按照自己的計劃學習。
可靈活調整截止日期
根據您的日程表重置截止日期。
中級
完成時間大約為18 小時
英語（English）
字幕：英語（English）
提供方
New York University
Tandon offers comprehensive courses in engineering, applied science and technology. Each course is rooted in a tradition of invention and entrepreneurship.
教學大綱 - 您將從這門課程中學到什麼
完成時間為 5 小時
Fundamentals of Supervised Learning in Finance
完成時間為 5 小時
9 個視頻 （總計 71 分鐘）, 4 個閱讀材料, 1 個測驗
9 個視頻
Introduction to Fundamentals of Machine Learning in Finance4分鐘
Support Vector Machines, Part 18分鐘
Support Vector Machines, Part 27分鐘
SVM. The Kernel Trick8分鐘
Example: SVM for Prediction of Credit Spreads9分鐘
Tree Methods. CART Trees9分鐘
Tree Methods: Random Forests8分鐘
Tree Methods: Boosting9分鐘
4 個閱讀材料
A. Smola and B. Scholkopf, “A Tutorial on Support Vector Regression”, Statistics and Computing, vol. 14, pp. 199-229, 200415分鐘
A. Geron, “Hands-On Machine Learning with Scikit-Learn and TensorFlow”, Chapters 6 & 730分鐘
K. Murphy, “Machine Learning: A Probabilistic Perspective”, MIT Press, 2009, Chapter 16.415分鐘
Jupyter Notebook FAQ10分鐘
完成時間為 4 小時
Core Concepts of Unsupervised Learning, PCA & Dimensionality Reduction
完成時間為 4 小時
6 個視頻 （總計 54 分鐘）, 3 個閱讀材料, 1 個測驗
6 個視頻
PCA for Stock Returns, Part 14分鐘
PCA for Stock Returns, Part 29分鐘
Dimension Reduction with PCA9分鐘
Dimension Reduction with tSNE11分鐘
Dimension Reduction with Autoencoders9分鐘
3 個閱讀材料
C. Bishop, “Pattern Recognition and Machine Learning”, Chapter 12.115分鐘
A. Geron, “Hands-On ML”, Chapters 8 & 1530分鐘
Jupyter Notebook FAQ10分鐘
完成時間為 4 小時
Data Visualization & Clustering
完成時間為 4 小時
7 個視頻 （總計 50 分鐘）, 3 個閱讀材料, 1 個測驗
7 個視頻
UL. K-clustering8分鐘
UL. K-means Neural Algorithm7分鐘
UL. Hierarchical Clustering Algorithms10分鐘
UL. Clustering and Estimation of Equity Correlation Matrix5分鐘
UL. Minimum Spanning Trees, Kruskal Algorithm6分鐘
UL. Probabilistic Clustering6分鐘
3 個閱讀材料
C. Bishop, “Pattern Recognition and Machine Learning”, Clustering and EM: Chapter 930分鐘
G. Bonanno et. al. “Networks of equities in financial markets”, The European Physical Journal B, vol. 38, issue 2, pp. 363-371 (2004)15分鐘
Jupyter Notebook FAQ10分鐘
完成時間為 5 小時
Sequence Modeling and Reinforcement Learning
完成時間為 5 小時
11 個視頻 （總計 101 分鐘）, 3 個閱讀材料, 1 個測驗
11 個視頻
Sequence Modeling10分鐘
SM. Latent Variables for Sequences8分鐘
SM. State-Space Models9分鐘
SM. Hidden Markov Models9分鐘
Neural Architecture for Sequential Data12分鐘
RL. Introduction8分鐘
RL. Core Ideas7分鐘
Markov Decision Process and RL8分鐘
RL. Bellman Equation6分鐘
RL and Inverse Reinforcement Learning11分鐘
3 個閱讀材料
C. Bishop, “Pattern Recognition and Machine Learning”, Chapter 1310分鐘
S. Marsland, “Machine Learning: an Algorithmic Perspective” (Chapman & Hall 2009), Chapter 1315分鐘
Jupyter Notebook FAQ10分鐘
審閱
來自FUNDAMENTALS OF MACHINE LEARNING IN FINANCE的熱門評論
由 JJ 提供2018年12月24日
So far so good. The lecturer refers to projects of which some weren't covered in this course. So a little confusing. Takes lots of googling to finish this course.
由 AT 提供2019年8月9日
Furthered my understanding of how probabilistic models are connected to Machine Learning models. Very happy with the content in this course.
由 AT 提供2019年9月2日
Great course which covers both theories as well as practical skills in the real implementations in the financial world.
由 SD 提供2019年9月18日
This is a great course, I strongly recommend. However, the assignments take a while to finish.
關於 Machine Learning and Reinforcement Learning in Finance 專項課程
The main goal of this specialization is to provide the knowledge and practical skills necessary to develop a strong foundation on core paradigms and algorithms of machine learning (ML), with a particular focus on applications of ML to various practical problems in Finance.
The specialization aims at helping students to be able to solve practical ML-amenable problems that they may encounter in real life that include:
(1) mapping the problem on a general landscape of available ML methods,
(2) choosing particular ML approach(es) that would be most appropriate for resolving the problem, and
(3) successfully implementing a solution, and assessing its performance.
The specialization is designed for three categories of students:
· Practitioners working at financial institutions such as banks, asset management firms or hedge funds
· Individuals interested in applications of ML for personal day trading
· Current full-time students pursuing a degree in Finance, Statistics, Computer Science, Mathematics, Physics, Engineering or other related disciplines who want to learn about practical applications of ML in Finance.
The modules can also be taken individually to improve relevant skills in a particular area of applications of ML to finance.
常見問題
我什么时候能够访问课程视频和作业？
讲座和作业的访问权限取决于您的注册类型。如果您以旁听模式参加课程，则可以免费查看大多数课程资料。要访问评分作业并获得证书，您需要在旁听期间或之后购买证书体验。如果看不到旁听选项：
- 课程可能不提供旁听选项。您可以尝试免费试用，也可以申请助学金。
- 课程可能会改为提供'完整课程，没有证书'。通过此选项，您可以查看所有课程材料、提交所要求的作业，以及获得最终成绩。这也意味着您将无法购买证书体验。
我订阅此专项课程后会得到什么？
您注册课程后，将有权访问专项课程中的所有课程，并且会在完成课程后获得证书。您的电子课程证书将添加到您的成就页中，您可以通过该页打印您的课程证书或将其添加到您的领英档案中。如果您只想阅读和查看课程内容，可以免费旁听课程。
退款政策是如何规定的？
如果订阅，您可以获得 7 天免费试听，在此期间，您可以取消课程，无需支付任何罚金。在此之后，我们不会退款，但您可以随时取消订阅。请阅读我们完整的退款政策。
有助学金吗？
是的，Coursera 可以为无法承担费用的学生提供助学金。通过点击左侧“注册”按钮下的“助学金”链接可以申请助学金。您可以根据屏幕提示完成申请，申请获批后会收到通知。您需要针对专项课程中的每一门课程完成上述步骤，包括毕业项目。了解更多。
還有其他問題嗎？請訪問 學生幫助中心。
