Resumo do curso

Este curso apresenta aos alunos os desafios do mundo real na implementação de estratégias de negociação baseadas em aprendizado de máquina incluindo as etapas dos algoritmos de coleta de informações às ordens de mercado. O foco é sobre a forma de aplicar abordagens de aprendizado de máquina probabilística de decisões comerciais. Consideramos abordagens estatísticas como regressão linear, KNN e árvores de regressão e como aplicá-los a situações de negociação de ações reais.

Valor do curso
Gratuito
Duração
Aprox. 4 meses
Nível
Intermediário
O curso inclui
  • Icon course 01Videoaulas

  • Icon course 04Testes interativos

  • Icon course 02Aulas com profissionais do setor

  • Icon course 05Ritmo individual de aprendizado

  • Icon course 03Comunidade de apoio aos alunos

O que vou aprender?



Este curso é composto de três mini-cursos:

  • Mini-curso 1: Manipulando Dados Financeiros em Python
  • Mini-curso 2: Investimento Computacional
  • Mini-curso 3: Algoritmos de Aprendizado de Máquina para Negociação

Cada mini-curso é composto por cerca de 7-10 lições curtas. Exercícios e projetos são intercalados.


Que projetos vou fazer?



Projeto 1

P5: Projeto final

Neste projeto final, você vai aproveitar o que você aprendeu ao longo do programa Nanodegree para resolver um problema de sua escolha através da aplicação de algoritmos e técnicas de aprendizado de máquina. Você vai primeiro definir o problema que você quer resolver e investigar as possíveis soluções e métricas de desempenho. Em seguida, você irá analisar o problema por meio de visualizações e exploração de dados para ter uma melhor compreensão de quais algoritmos e características são apropriadas para resolvê-lo.

Você vai então implementar seus algoritmos e métricas escolhidas, documentando as etapas de pré-processamento, refinamento e pós processamento ao longo do caminho. Depois, você vai recolher os resultados sobre o desempenho dos modelos utilizados, visualizar quantidades significativas, e validar / justificar estes valores. Finalmente, você vai construir conclusões sobre os seus resultados, e discutir se a implementação resolve adequadamente o problema.

P5: Projeto final

Neste projeto final, você vai aproveitar o que você aprendeu ao longo do programa Nanodegree para resolver um problema de sua escolha através da aplicação de algoritmos e técnicas de aprendizado de máquina. Você vai primeiro definir o problema que você quer resolver e investigar as possíveis soluções e métricas de desempenho. Em seguida, você irá analisar o problema por meio de visualizações e exploração de dados para ter uma melhor compreensão de quais algoritmos e características são apropriadas para resolvê-lo.

Você vai então implementar seus algoritmos e métricas escolhidas, documentando as etapas de pré-processamento, refinamento e pós processamento ao longo do caminho. Depois, você vai recolher os resultados sobre o desempenho dos modelos utilizados, visualizar quantidades significativas, e validar / justificar estes valores. Finalmente, você vai construir conclusões sobre os seus resultados, e discutir se a implementação resolve adequadamente o problema.

Instrutores & Parceiros

  • Tucker Balch
    Tucker Balch

    Instrutor

  • Arpan Chakraborty
    Arpan Chakraborty

    Instrutor

Pré-requisitos

Os alunos devem ter ótimas habilidades de programação e alguma familiaridade com os mercados de ações. Experiência em finanças ou de aprendizado de máquina não é necessária.

Observe que este curso atende alunos com foco em ciência da computação, bem como os alunos em outros cursos como engenharia de sistemas industriais, gestão, ou de matemática que têm experiências diferentes. Todos os alunos são bem-vindos!

Os tópicos de ML pode ser uma "revisão" para estudantes de CS, enquanto a parte de finanças será uma revisão para estudantes de finanças. No entanto, mesmo se você tiver experiência nestes tópicos, você poderá notar que nós os consideramos de forma diferente do que você pode ter visto antes e, particularmente, a implementação de negociação.

A programação será principalmente em Python. Vamos fazer uso pesado de bibliotecas computação numérica como NumPy e Pandas.

Veja os Requisitos Tecnológicos para usar a Udacity.

Por que fazer este curso?

Ao final deste curso, você deve ser capaz de:

  • Compreender estruturas de dados utilizados para negociação algorítmica.
  • Construir um software para acessar dados de ações ao vivo, avaliá-la e tomar decisões comerciais.
  • Entender 3 populares algoritmos de aprendizado de máquina e como aplicá-los a problemas comerciais.
  • Entender como avaliar a performance dos algoritmos de aprendizado de máquina para dados de séries temporais (dados de preços de ações).
  • Saber como e por que técnicas de mineração de dados (aprendizado de máquina) falham.
  • Construir um sistema de software de negociação de ações que utiliza dados diários atuais.

Algumas limitações/restrições:

  • Nós usamos dados diários. Este não é um curso de HFT (Negociação de alta freqüencia), mas muitos dos conceitos aqui são relevantes.
  • Nós não interagimos (negociamos) diretamente com o mercado, mas vamos gerar alocações de capital que você poderia negociar se você quisesse.
Quais são os recursos?
  • Vídeos dos instrutores
  • Exercícios práticos
  • Aulas com profissionais do setor