Köszönjük, hogy elküldte érdeklődését! Csapatunk egyik tagja hamarosan felveszi Önnel a kapcsolatot.
Köszönjük, hogy elküldte foglalását! Csapatunk egyik tagja hamarosan felveszi Önnel a kapcsolatot.
Kurzusleírás
Bevezetés
A Python alapjainak megértése
A technológia használatának áttekintése és Python in Finance
Az eszközök és az infrastruktúra áttekintése
- Python Telepítés a Anaconda használatával
- A Python Quant Platform használata
- Az IPython használata
- Spyder használata
Kezdő lépések egyszerű pénzügyi példákkal a Python segítségével
- Implikált volatilitás kiszámítása
- A Monte Carlo szimuláció megvalósítása
- Pure használata Python
- Vektorizálás használata Numpy-val
- Teljes vektorizálás használata Log Euler sémával
- Grafikus elemzés használata
- Technikai elemzés használata
Adattípusok és -struktúrák megértése a Python-ben
- Az alapvető adattípusok elsajátítása
- Az alapvető adatszerkezetek elsajátítása
- NumPy adatstruktúrák használata
- Kódvektorizálás megvalósítása
Data Visualization megvalósítása Python-ben
- Kétdimenziós telkek megvalósítása
- Más cselekménystílusok használata
- Megvalósítás Finance Telkek
- 3D-s terv létrehozása
Pénzügyi idősor adatok használata a Python-ben
- A pandák alapjainak megismerése
- Az első és a második lépés megvalósítása DataFrame osztállyal
- Pénzügyi adatok beszerzése az internetről
- Pénzügyi adatok használata CSV-fájlokból
- Regressziós elemzés végrehajtása
- Megbirkózni a nagyfrekvenciás adatokkal
Bemeneti/kimeneti műveletek végrehajtása
- Az I/O alapjainak megértése a Python segítségével
- I/O használata pandákkal
- Gyors I/O megvalósítása PyTables segítségével
Teljesítménykritikus alkalmazások megvalósítása a Python segítségével
- A Performance Libraries áttekintése a Python-ben
- A paradigmák megértése Python
- A memória elrendezésének megértése
- Párhuzamos számítástechnika megvalósítása
- A többfeldolgozó modul használata
- A Numba használata dinamikus fordításhoz
- Cython használata statikus fordításhoz
- GPU-ek használata véletlenszám-generáláshoz
Mathematical eszközök és technikák használata Finance-hez Python
- Közelítési technikák tanulása
- Regresszió
- Interpoláció
- Konvex optimalizálás megvalósítása
- Integrációs technikák megvalósítása
- Szimbolikus számítás alkalmazása
Sztochasztika a Python segítségével
- Véletlen számok generálása
- Véletlen változók és sztochasztikus folyamatok szimulációja
- Értékelési számítások végrehajtása
- A kockázati intézkedések kiszámítása
Statistics és Python
- Normalitási tesztek végrehajtása
- Portfólióoptimalizálás megvalósítása
- Főkomponens-elemzés (PCA) elvégzése
- Bayes-regresszió megvalósítása PyMC3 segítségével
A Python és a Excel integrálása
- Alapvető táblázatkezelési interakció megvalósítása
- A DataNitro használata a Python és Excel teljes integrációjához
Object-Oriented Programming és Python
Grafikus felhasználói felületek létrehozása a Python segítségével
A Python integrációja a Finance webtechnológiáival és protokolljaival
- Web protokollok
- Webes alkalmazások
- Web Services
Az értékelési keretrendszer megértése és alkalmazása a Python segítségével
Pénzügyi modellek szimulálása a Python segítségével
- Véletlen számok generálása
- Általános szimulációs osztály
- Geometriai Brown-mozgás
- A szimulációs osztály
- Use Case megvalósítása a GBM számára
- Jump Diffusion
- Négyzetgyök diffúzió
Származékos értékbecslés végrehajtása a Python segítségével
Portfólióértékelés végrehajtása a Python segítségével
Volatilitási opciók használata a Python-ben
- Az adatgyűjtés megvalósítása
- Modell kalibrálás végrehajtása
- Portfólióértékelés végrehajtása
Legjobb gyakorlatok itt: Python Programming – Finance
Hibaelhárítás
Összegzés és következtetés
Záró megjegyzések
Követelmények
- Alapfokú programozási tapasztalat
- A pénzügyi matematika szilárd ismerete
35 Órák
Vélemények (5)
Az a tény, hogy több gyakorlati gyakorlatunk van, több hasonló adat felhasználásával, mint amit projekteinkben használunk (műholdképek raszteres formátumban)
Matthieu - CS Group
Kurzus - Scaling Data Analysis with Python and Dask
Gépi fordítás
Jó előkészület és szakértelem a tréner részéről, tökéletes angol kommunikáció. A kurzus gyakorlati volt (gyakorlatok + használati példák megosztása).
Monika - Procter & Gamble Polska Sp. z o.o.
Kurzus - Developing APIs with Python and FastAPI
Gépi fordítás
Ez volt egy nehéz kurzus, mert sok dolgot kellett megtanulnunk rövid időn belül. A tréner nagyon jártas volt a tárgyban és a tartalmat úgy szolgáltatta, hogy kielégítse a szükségleteinket. Sok volt a megtanulandó anyag, de a tréner segítőkész és biztató volt. Minden kérdésünkre részletes választ adott és érzzük, hogy sok mindent megtanultunk. A feladatok jól voltak elkészítve és a feladatokat szorgalmazta a szükségleteinknek megfelelően. Szerettem ezt a kurzust.
Bozena Stansfield - New College Durham
Kurzus - Build REST APIs with Python and Flask
Gépi fordítás
Trainer a saját tempójához igazítva fejleszti ki a képzéseket.
Farris Chua
Kurzus - Data Analysis in Python using Pandas and Numpy
Gépi fordítás
Többnyire mindent élveztem.
Thukten Dendup - Bhutan Telecom
Kurzus - Web Development with Django
Gépi fordítás
