در این مطلب، ویدئو یادگیری ماشینی برای ربات های معاملاتی الگوریتمی با پایتون: بررسی اجمالی دوره |packtpub.com با زیرنویس فارسی را برای دانلود قرار داده ام. شما میتوانید با پرداخت 15 هزار تومان ، این ویدیو به علاوه تمامی فیلم های سایت را دانلود کنید.اکثر فیلم های سایت به زبان انگلیسی می باشند. این ویدئو دارای زیرنویس فارسی ترجمه شده توسط هوش مصنوعی می باشد که میتوانید نمونه ای از آن را در قسمت پایانی این مطلب مشاهده کنید.
مدت زمان فیلم: 00:04:26
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:01,580 –> 00:00:03,640
2
00:00:06,800 –> 00:00:09,630
سلام و خوش آمدید به یادگیری ماشین
3
00:00:09,630 –> 00:00:13,410
برای تجارت الگوریتمی BOTS با پایتون
4
00:00:13,410 –> 00:00:16,590
این دوره توسط انتشارات AK برای شما آورده شده است
5
00:00:16,590 –> 00:00:20,280
نام من مصطفی است و
6
00:00:20,280 –> 00:00:22,470
من یک مهندس یادگیری ماشین با
7
00:00:22,470 –> 00:00:25,110
بیش از 10 سال تجربه
8
00:00:25,110 –> 00:00:27,480
در صنعت توسعه نرم افزار
9
00:00:27,480 –> 00:00:29,310
بوده ام کار با بسیاری
10
00:00:29,310 –> 00:00:30,930
از استارتآپهای با رشد سریع برای
11
00:00:30,930 –> 00:00:33,570
حل مشکلات در حوزههای مختلف من
12
00:00:33,570 –> 00:00:36,480
تجربه عملی عملی و
13
00:00:36,480 –> 00:00:39,539
طراحی و پیادهسازی
14
00:00:39,539 –> 00:00:42,300
راهحلهای یادگیری ماشینی آماده تولید دارم، دارای
15
00:00:42,300 –> 00:00:44,809
پیشینه قوی در ریاضیات
16
00:00:44,809 –> 00:00:47,969
تحلیل پیچیدگی
17
00:00:47,969 –> 00:00:51,859
محاسباتی الگوریتمها و آمار است.
18
00:00:51,859 –> 00:00:54,690
اجازه دهید مروری سریع بر دوره داشته باشیم.
19
00:00:54,690 –> 00:00:58,019
ساختار ما در بخش 1
20
00:00:58,019 –> 00:01:01,139
ساختن اولین ربات تجاری شما را با
21
00:01:01,139 –> 00:01:03,870
کاوش در مجموعه داده ها با استفاده از
22
00:01:03,870 –> 00:01:07,920
کتابخانه های پایتون مانند numpy و pandas در
23
00:01:07,920 –> 00:01:10,110
این سرویس بخش به عنوان یک
24
00:01:10,110 –> 00:01:13,010
تجدید نظر سریع در مورد احتمالات و آمار شروع می
25
00:01:13,010 –> 00:01:15,960
کنیم، ما همچنین اصطلاحات
26
00:01:15,960 –> 00:01:19,770
مالی و ساختارهای داده مالی را معرفی کردیم که به
27
00:01:19,770 –> 00:01:22,650
اعتقاد من این هستند. برای طراحی هر
28
00:01:22,650 –> 00:01:25,440
مالی ضروری است مدل یادگیری ماشینی، سپس
29
00:01:25,440 –> 00:01:27,810
با ساختن اسکلت BOTS خود، بخش را به پایان
30
00:01:27,810 –> 00:01:30,330
میرسانیم که در آن میتوانیم هر
31
00:01:30,330 –> 00:01:33,450
مدل و استراتژی را که در طول دوره طراحی میکنیم مسدود کنیم،
32
00:01:33,450 –> 00:01:36,630
در بخش طراحی
33
00:01:36,630 –> 00:01:39,320
مدل یادگیری ماشینی که عمیقتر به
34
00:01:39,320 –> 00:01:42,330
یادگیری ماشین و نحوه آموزش و
35
00:01:42,330 –> 00:01:45,390
ارزیابی مدلهایمان میپردازیم.
36
00:01:45,390 –> 00:01:48,900
با استفاده از جنگلهای تصادفی کیسهسازی را معرفی میکنیم و در نهایت مدل را طراحی
37
00:01:48,900 –> 00:01:52,380
و پیادهسازی میکنیم و بخش 3
38
00:01:52,380 –> 00:01:55,350
یک استراتژی معاملاتی ایجاد میکنیم، یک
39
00:01:55,350 –> 00:01:57,720
استراتژی معاملاتی سودآور ایجاد میکنیم که
40
00:01:57,720 –> 00:02:00,480
از نتایج پیشبینیشده توسط
41
00:02:00,480 –> 00:02:02,760
مدل یادگیری ماشین بهره میبرد و
42
00:02:02,760 –> 00:02:05,070
عملکرد الگوریتم معاملاتی خود را
43
00:02:05,070 –> 00:02:08,729
بر روی دادههای تاریخی در ردیابی میکنیم. بخش 4 طراحی
44
00:02:08,729 –> 00:02:10,949
مدل یادگیری ماشین پیشرفته
45
00:02:10,949 –> 00:02:13,140
ما مدلهای ارسال گرادیان و
46
00:02:13,140 –> 00:02:15,450
نحوه تطبیق آنها در
47
00:02:15,450 –> 00