Recursos gratuitos para aprender el aprendizaje automático
Si bien es un subcampo vibrante de la informática, el aprendizaje automático se utiliza para dibujar modelos y métodos a partir de estadísticas, algoritmos, complejidad computacional, teoría de control e inteligencia artificial. Se enfoca en algoritmos eficientes para inferir buenos modelos predictivos a partir de grandes conjuntos de datos y es un candidato natural para los problemas que surgen en HFT, tanto la ejecución comercial como la generación alfa.
En las finanzas financieras cuantitativas, la inferencia de modelos de naturaleza predictiva utilizando datos históricos obviamente no es nueva. Algunos ejemplos incluyen la estimación de coeficientes para CAPM, Fama y factores franceses. La granularidad de los datos que surgen en HFT plantea desafíos especiales para el aprendizaje automático. A menudo, la microestructura de datos en la resolución de órdenes individuales, ejecuciones, liquidez oculta y cancelación, incluida la falta de comprensión de cómo dichos datos granulares se relacionan con circunstancias procesables, es decir, comprar o vender rentablemente acciones, ejecutar de manera óptima un pedido grande, etc.
- ¿Cuál es la diferencia entre escribir un trabajo de investigación, un trabajo a término y un informe de libro en términos de escritura académica? Proporcione cualquier ejemplo que pueda pensar.
- ¿Qué significa una estrella al lado del título del trabajo de investigación?
- ¿Cuándo la investigación es investigación exploratoria o investigación descriptiva?
- Cómo preseleccionar las revistas si estuviera escribiendo un trabajo de investigación
- ¿El papel corto EACL se considera "menos papel" en comparación con el papel largo?
En cuanto a las complejidades mencionadas anteriormente en el aprendizaje automático, es particularmente importante si uno está interesado en convertirse en un comerciante o investigador cuantitativo para aprender el aprendizaje automático.
Cursos gratuitos de aprendizaje automático
Quizás la mejor introducción al aprendizaje automático es este curso altamente calificado por Stanford en Coursera. El curso es tomado por el profesor Andrew Ng, a quien se elogia por su capacidad para explicar conceptos matemáticos involucrados en diferentes áreas del aprendizaje automático. El curso ofrece una buena introducción al aprendizaje automático, la minería de datos y el reconocimiento de patrones estadísticos. Requiere que los estudiantes implementen tanto las redes neuronales como la máquina de vectores (la máquina de vectores de soporte para ser precisos) Este curso proporciona una capacitación práctica real y cubre casi todo excepto nuevos conceptos como el aprendizaje profundo. ¡Este curso del profesor Ng es definitivamente nuestra elección para principiantes!
¿Quiere preguntas como: pueden aprender las máquinas? ¿Cómo aprenden exactamente? Un curso introductorio de CalTech enseña el aprendizaje automático como si contara una historia. Comprenda la teoría detrás del aprendizaje automático y también gane experiencia trabajando con diferentes algoritmos y modelos.
El curso de Machine Learning de la Universidad de Washington va más allá de los conceptos básicos del aprendizaje automático y explora las redes neuronales, la teoría del aprendizaje y las máquinas vectoriales. El “aprendizaje supervisado” es el enfoque principal de la clase que proporciona al alumno las respuestas correctas a nivel de formación.
El análisis de datos y los científicos de datos realizan tareas como predicción y aprendizaje automático. El curso ofrecido por la Universidad John Hopkins, llamado Aprendizaje práctico de máquinas, cubrirá los componentes básicos de la construcción y aplicación de funciones de predicción con énfasis en aplicaciones prácticas. Los conceptos y las herramientas que necesitará en todo el campo de la ciencia de datos están cubiertos por esta especialización.
Recursos gratuitos para aprender Deep Learning
Deep Learning es una rama del aprendizaje automático basada en representaciones lineales de datos. Intenta modelar abstracciones de alto nivel en los datos mediante el uso de múltiples capas de procesamiento con estructuras complejas. Es la palabra de moda en el mundo de las redes neuronales y ganó atención mundial después de que AlphaGo de Google derrotó a Lee Sedol en el juego de Go la semana pasada en Corea. El programa AlphaGo aplicó el aprendizaje profundo en redes neuronales: programas inspirados en el cerebro en los que las conexiones entre capas de neuronas simuladas se fortalecen a través de ejemplos y experiencia. Lea más sobre Deep Learning en este artículo de Nature.
Nuestros expertos en QuantInsti aconsejan a la audiencia que comience su viaje de aprendizaje de Deep Learning a través de estos dos recursos:
Curso de Google ofrecido en Udacity
Este es un programa muy bueno para aquellos que ya han tomado algunos de los cursos de aprendizaje automático disponibles en Udacity o Coursera y están preparados para dar un paso adelante. Aprenderá a entrenar y optimizar redes neuronales básicas, redes neuronales convolucionales y redes de memoria a corto y largo plazo. ¡Este curso es altamente recomendado por nosotros!
El libro de Michael Nielsen sobre redes neuronales y aprendizaje profundo
¡Un excelente recurso gratuito en línea para iniciarse en Deep Learning!
Libros recomendados sobre aprendizaje automático
- Gareth James, Daniela Witten, Trevor Hastie y Robert Tibshirani Introducción al aprendizaje estadístico (http://www-bcf.usc.edu/~gareth/ISL/)
- Los elementos del aprendizaje estadístico de Hastie, Tibshirani y Friedman
- Reconocimiento de patrones y aprendizaje automático de Bishop
- El razonamiento bayesiano y el aprendizaje automático de David Barber
- El aprendizaje automático de Kevin Murphy: una perspectiva probabilística
- Fundamentos del aprendizaje automático, Mehryar Mohri, Afshin Rostamizadeh, Ameet Talwalkar
- Aprendiendo de los datos, Yaser S. Abu-Mostafa, Malik Magdon-Ismail, Hsuan-Tien Lin
Aplicación de aprendizaje automático
Mientras cubrimos los fundamentos del aprendizaje automático y establecemos las bases, también necesitamos saber cómo se puede implementar esto como una carrera lucrativa.
Un curso ofrecido por Georgia Tech llamado Machine Learning for Trading presenta a los estudiantes los desafíos del mundo real de implementar el aprendizaje automático para estrategias de negociación, incluido el comercio algorítmico desde la recopilación de información hasta las órdenes de mercado. Comprenderá las estructuras de datos utilizadas en el comercio algorítmico. Aprenda a construir software para acceder a datos de capital en vivo y evaluarlos mientras toma decisiones comerciales.
Para aquellos que quieren aprender por sí mismos, esta colección de cuadernos de ipython que se actualizan continuamente para incluir los últimos recursos sobre temas populares de aprendizaje automático son muy útiles tanto para principiantes como para científicos expertos en datos.
Recursos gratuitos adicionales disponibles para obtener más información sobre MIT OpenCourseWare
Un curso de posgrado / licenciatura ofrecido por MIT – Introducción a la optimización convexa brinda a sus estudiantes herramientas y capacitación para reconocer problemas de optimización convexa en aplicaciones científicas y de ingeniería. Presenta la teoría básica y se concentra en aspectos de modelado y resultados utilizados en aplicaciones. Este curso está disponible en MIT OpenCourseWare, lo que significa que esencialmente obtienes las notas de clase del curso que se tomó en el otoño de 2009. Una vez que hayas cubierto los cursos de autoaprendizaje, puedes probar las tareas de este curso MIT.
Predicción: el aprendizaje automático y las estadísticas cubren un análisis en profundidad de las teorías detrás del aprendizaje estadístico, mientras que cubren la teoría de procesos empíricos, la teoría de Vapnik-Chervonenkis y más.
Para obtener experiencia de primera mano sobre cómo se utiliza el aprendizaje automático y la inteligencia artificial en el comercio, únase a nosotros para nuestro próximo seminario web sobre aprendizaje automático.
A debe mirar:
Aprovechando la inteligencia artificial para construir estrategias de comercio algorítmico [WEBINAR]
Fuente: https://www.quantinsti.com/blog/…