在本课程中，您将学习交易的基础知识，包括趋势、收益、止损和波动的概念。您将学习如何识别基本量化交易策略的利润来源和结构。本课程将帮助您衡量模型对其学习的概括程度，解释回归和预测之间的差异，并确定创建开发和实施回溯测试器所需的步骤。课程结束时，您将能够使用 Google Cloud Platform 在 Jupyter Notebooks 中构建基本的机器学习模型。
交易、机器学习和 GCP 简介
通过 Coursera Plus 提高技能，仅需 239 美元/年（原价 399 美元）。立即节省
您将学到什么
了解交易的基本原理，包括趋势、收益、止损和波动的概念。
定义量化交易和量化交易策略的主要类型。
了解交易所套利、统计套利和指数套利的基本步骤。
了解机器学习在金融应用案例中的应用。
您将获得的技能
- Google Cloud Platform
- Supervised Learning
- Finance
- Applied Machine Learning
- Technical Analysis
- Artificial Neural Networks
- Securities Trading
- Financial Trading
- Machine Learning Methods
- Financial Forecasting
- Machine Learning Algorithms
- Deep Learning
- Cloud Platforms
- Time Series Analysis and Forecasting
- Artificial Intelligence and Machine Learning (AI/ML)
- Predictive Modeling
- Machine Learning
- Statistical Machine Learning
- Model Evaluation
您将学习的工具
要了解的详细信息
可分享的证书
添加到您的领英档案
作业
8 项作业
授课语言：英语（English）
了解顶级公司的员工如何掌握热门技能
积累特定领域的专业知识
本课程是 交易机器学习 专项课程 专项课程的一部分
在注册此课程时，您还会同时注册此专项课程。
- 向行业专家学习新概念
- 获得对主题或工具的基础理解
- 通过实践项目培养工作相关技能
- 获得可共享的职业证书
该课程共有4个模块
获得职业证书
将此证书添加到您的 LinkedIn 个人资料、简历或履历中。在社交媒体和绩效考核中分享。
位教师
授课教师评分
(194个评价)
从 机器学习 浏览更多内容
状态：免费试用New York Institute of Finance
状态：免费试用Google Cloud
状态：免费试用New York Institute of Finance
状态：免费试用New York University
人们为什么选择 Coursera 来帮助自己实现职业发展
Felipe M.
自 2018开始学习的学生
''能够按照自己的速度和节奏学习课程是一次很棒的经历。只要符合自己的时间表和心情，我就可以学习。'
Jennifer J.
自 2020开始学习的学生
''我直接将从课程中学到的概念和技能应用到一个令人兴奋的新工作项目中。'
Larry W.
自 2021开始学习的学生
''如果我的大学不提供我需要的主题课程，Coursera 便是最好的去处之一。'
Chaitanya A.
''学习不仅仅是在工作中做的更好：它远不止于此。Coursera 让我无限制地学习。'
学生评论
- 5 stars
44.25%
- 4 stars
28.65%
- 3 stars
13.93%
- 2 stars
4.68%
- 1 star
8.47%
显示 3/897 个
MF
已于 Jan 20, 2020审阅
A good intro to machine learning in finance. I does not goes very deep, but hat some useful exercises and practice with google cloud.
LA
已于 Jun 2, 2020审阅
Good introduction to quant theory and ML, labs could be a lot better though, they lack proper explanations and don't cover some of the basics necessary to complete them.
AJ
已于 May 1, 2020审阅
This is a very good course because it tuned my already forecasting knowledge to look more into machine learning
