Acerca de este Curso

18,889 vistas recientes

Resultados profesionales del estudiante

20%

comenzó una nueva carrera después de completar estos cursos

18%

consiguió un beneficio tangible en su carrera profesional gracias a este curso
Certificado para compartir
Obtén un certificado al finalizar
100 % en línea
Comienza de inmediato y aprende a tu propio ritmo.
Fechas límite flexibles
Restablece las fechas límite en función de tus horarios.
Nivel intermedio
Aprox. 18 horas para completar
Inglés (English)
Subtítulos: Inglés (English)

Resultados profesionales del estudiante

20%

comenzó una nueva carrera después de completar estos cursos

18%

consiguió un beneficio tangible en su carrera profesional gracias a este curso
Certificado para compartir
Obtén un certificado al finalizar
100 % en línea
Comienza de inmediato y aprende a tu propio ritmo.
Fechas límite flexibles
Restablece las fechas límite en función de tus horarios.
Nivel intermedio
Aprox. 18 horas para completar
Inglés (English)
Subtítulos: Inglés (English)

Instructor

ofrecido por

Logotipo de New York University

New York University

Programa - Qué aprenderás en este curso

Semana
1

Semana 1

5 horas para completar

Fundamentals of Supervised Learning in Finance

5 horas para completar
9 videos (Total 71 minutos), 4 lecturas, 1 cuestionario
9 videos
Introduction to Fundamentals of Machine Learning in Finance4m
Support Vector Machines, Part 18m
Support Vector Machines, Part 27m
SVM. The Kernel Trick8m
Example: SVM for Prediction of Credit Spreads9m
Tree Methods. CART Trees9m
Tree Methods: Random Forests8m
Tree Methods: Boosting9m
4 lecturas
A. Smola and B. Scholkopf, “A Tutorial on Support Vector Regression”, Statistics and Computing, vol. 14, pp. 199-229, 200415m
A. Geron, “Hands-On Machine Learning with Scikit-Learn and TensorFlow”, Chapters 6 & 730m
K. Murphy, “Machine Learning: A Probabilistic Perspective”, MIT Press, 2009, Chapter 16.415m
Jupyter Notebook FAQ10m
Semana
2

Semana 2

4 horas para completar

Core Concepts of Unsupervised Learning, PCA & Dimensionality Reduction

4 horas para completar
6 videos (Total 54 minutos), 3 lecturas, 1 cuestionario
6 videos
PCA for Stock Returns, Part 14m
PCA for Stock Returns, Part 29m
Dimension Reduction with PCA9m
Dimension Reduction with tSNE11m
Dimension Reduction with Autoencoders9m
3 lecturas
C. Bishop, “Pattern Recognition and Machine Learning”, Chapter 12.115m
A. Geron, “Hands-On ML”, Chapters 8 & 1530m
Jupyter Notebook FAQ10m
Semana
3

Semana 3

4 horas para completar

Data Visualization & Clustering

4 horas para completar
7 videos (Total 50 minutos), 3 lecturas, 1 cuestionario
7 videos
UL. K-clustering8m
UL. K-means Neural Algorithm7m
UL. Hierarchical Clustering Algorithms10m
UL. Clustering and Estimation of Equity Correlation Matrix5m
UL. Minimum Spanning Trees, Kruskal Algorithm6m
UL. Probabilistic Clustering6m
3 lecturas
C. Bishop, “Pattern Recognition and Machine Learning”, Clustering and EM: Chapter 930m
G. Bonanno et. al. “Networks of equities in financial markets”, The European Physical Journal B, vol. 38, issue 2, pp. 363-371 (2004)15m
Jupyter Notebook FAQ10m
Semana
4

Semana 4

5 horas para completar

Sequence Modeling and Reinforcement Learning

5 horas para completar
11 videos (Total 101 minutos), 3 lecturas, 1 cuestionario
11 videos
Sequence Modeling10m
SM. Latent Variables for Sequences8m
SM. State-Space Models9m
SM. Hidden Markov Models9m
Neural Architecture for Sequential Data12m
RL. Introduction8m
RL. Core Ideas7m
Markov Decision Process and RL8m
RL. Bellman Equation6m
RL and Inverse Reinforcement Learning11m
3 lecturas
C. Bishop, “Pattern Recognition and Machine Learning”, Chapter 1310m
S. Marsland, “Machine Learning: an Algorithmic Perspective” (Chapman & Hall 2009), Chapter 1315m
Jupyter Notebook FAQ10m

Revisiones

Principales revisiones sobre FUNDAMENTALS OF MACHINE LEARNING IN FINANCE

Ver todos los comentarios

Acerca de Programa especializado: Machine Learning and Reinforcement Learning in Finance

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....
Machine Learning and Reinforcement Learning in Finance

Preguntas Frecuentes

  • El acceso a las clases y las asignaciones depende del tipo de inscripción que tengas. Si tomas un curso en modo de oyente, verás la mayoría de los materiales del curso en forma gratuita. Para acceder a asignaciones calificadas y obtener un certificado, deberás comprar la experiencia de Certificado, ya sea durante o después de participar como oyente. Si no ves la opción de oyente:

    • es posible que el curso no ofrezca la opción de participar como oyente. En cambio, puedes intentar con una Prueba gratis o postularte para recibir ayuda económica.
    • Es posible que el curso ofrezca la opción 'Curso completo, sin certificado'. Esta opción te permite ver todos los materiales del curso, enviar las evaluaciones requeridas y obtener una calificación final. También significa que no podrás comprar una experiencia de Certificado.
  • Cuando te inscribes en un curso, obtienes acceso a todos los cursos que forman parte del Programa especializado y te darán un Certificado cuando completes el trabajo. Se añadirá tu Certificado electrónico a la página Logros. Desde allí, puedes imprimir tu Certificado o añadirlo a tu perfil de LinkedIn. Si solo quieres leer y visualizar el contenido del curso, puedes auditar el curso sin costo.

  • Si estás suscrito, obtienes una prueba gratis de 7 días, que podrás cancelar cuando desees sin ningún tipo de penalidad. Una vez transcurrido ese tiempo, no realizamos reembolsos. No obstante, puedes cancelar tu suscripción cuando quieras. Consulta nuestra política completa de reembolsos.

  • Sí, Coursera ofrece ayuda económica a los estudiantes que no pueden pagar la tarifa. Solicítala haciendo clic en el enlace de Ayuda económica que está debajo del botón “Inscribirse” a la izquierda. Se te pedirá que completes una solicitud. Recibirás una notificación en caso de que se apruebe. Deberás completar este paso para cada uno de los cursos que forman parte del Programa especializado, incluido el proyecto final. Obtén más información.

¿Tienes más preguntas? Visita el Centro de Ayuda al Alumno.