Первоначально опубликовано в моем блоге.

В этом семестре я сошел с ума. Машинное обучение для трейдинга И Машинное обучение — прошли оба этих курса. Я слышал, как многие сомневаются в этом решении, комментируя, что оно будет очень жестким, строгим и что у меня не будет времени. Но, оглядываясь назад, я действительно немного наслаждался жизнью. Несомненно, усилия, направленные на совместное изучение этих двух предметов, были огромными, но я все еще мог найти время, чтобы отправиться в отпуск с семьей, на рабочие места, где я не выполнял свою курсовую работу, ездил в Катар на неделю на Мир FIFA Кубок 2022 и даже были свободные выходные.

Почему я выбрал этот курс? Во-первых, это относится к специализации ML. Во-вторых, я ожидал, что это будет легко для меня из моего прошлого, поэтому я мог совместить это с другим курсом. Мотивация в том, чтобы закончить программу быстрее. Я соединил это с ML (CS7641), поэтому подумал, что это должно хорошо дополнять учебную программу.

Теперь о курсе — это курс профессора Джойнера, поэтому к нему прилагается очень четко структурированный учебный план и календарь. Курс разбит на 8 проектов с викторинами и двумя экзаменами.

Имея некоторый опыт работы с Python и базовые знания ML, вы сможете легко пройти этот курс. Довольно легко. Курс посвящен некоторым деталям торгового жаргона — акциям, индикаторам для сделок, опционам и т. д. Если вы никогда не занимались трейдингом, этот курс может подготовить вас к терминам и теории, лежащим в основе сделок.

Новости: вы не создадите алгоритмы машинного обучения, которые принесут вам деньги.

OMSCentral на момент написания помечает этот курс как сложность 2,5 и рабочую нагрузку примерно 11,2 часа. На это у меня ушло меньше времени, наверное, 6-7 часов в неделю.

Проекты различаются по возрасту, некоторые оцениваются меньше, а один проект имеет 20% вашей оценки, так что думайте об этом как о тяжелом курсе мини-проекта. Проекты довольно простые — опять же, только питон, ничего особенного. Половина проектов требует, чтобы вы написали отчет. В основном это включает в себя различные графики, которые вы будете создавать, а затем сравнение и анализ графиков. Мне понравился этот момент, получение информации и понимание торговых идей с использованием графиков. Потратьте дополнительные минуты на то, чтобы сосредоточиться на том, как выглядят ваши графики, оценщики очень строго относятся к цветам, которые вы используете для линий, отсутствующим легендам, меткам и деталям осей и т. д. Предполагается, что это легкие проекты, но потерять баллы также легко, поскольку они мелкие вещи строго классифицируются. Один бонус, который я обнаружил в этом курсе, заключается в том, что вы можете свободно делиться своими выходными графиками и артефактами в Эде (с некоторыми водяными знаками, чтобы избежать повторного использования) и сравнивать с другими студентами. Курс поощряет это, чтобы создать атмосферу рецензирования.

Есть два экзамена — промежуточный и итоговый. Как и другие курсы профессора Джойнера, которые я посещал, оба они выполнены в стиле MCQ (однако закрытая книга). Если вы обращали внимание на лекции (за которыми легко следить), то и это должно быть легко. Примеры вопросов и предыдущие тесты предоставляются для практики. Если вы просто посмотрите на это один раз, вы можете получить 100% на экзаменах.

Содержание довольно простое и простое. Он начинается с того, что учит вас, как манипулировать фреймами данных с помощью pandas и numpy, углубляется в детали торгового жаргона (индикаторы и шипы), а затем, наконец, переходит к ML ближе к последней трети курса. Здесь обсуждаются регрессия, бэггинг и бустинг, деревья решений и т. д. После еще 10 футов жаргона, такого как CAPM и EMH, обучение с подкреплением затрагивается с основным акцентом на Q-Learning. Это была самая захватывающая часть для меня — написание агента Q-Learning с нуля. Вы можете обратиться к текстам за подробными знаниями здесь.

Если вы хорошо разбираетесь в python и уже имеете некоторый набор навыков машинного обучения (или, по крайней мере, понимаете некоторые концепции), этот курс должен быть легкой прогулкой. Я настоятельно рекомендую таким студентам сочетать этот курс с другим курсом, чтобы лучше использовать свое время (конечно, если у вас нет других обязательств). Для других вы можете взять это отдельно.

Небольшой привет Шубхаму, моему другу, коллеге и однокласснику за этот курс. Это весело, если вы делаете это с кем-то!