Machine Learning for Finance Sector

Eğitim İçeriği

• Makine Öğrenmesine Giriş ve Regresyon

--Makine Öğrenmesi Giriş

--Kütüphaneleri Yükleme ve İndirme

--Veri Ön İşleme

--Kayıp ve Eksik Veriler

--Kategorik Değişkenler

--Normalizasyon (Feature Scaling)

--Veri setini eğitim ve test olarak ayırma

--Veri hazırlığı şablonu oluşturma

• Regresyon

--Basit Lineer Regresyon

--Çoklu Lineer Regresyon

--Polinom Regresyon

--Regresyon Modeli Değerlendirme

• Sınıflandırma ve Kümeleme

-Sınıflandırma

       --Lojistik Regresyon ile Sınıflandırma

       --K En Yakın Komşu ile Sınıflandırma

       --Destek Vektör Makinesi (Support Vector Machine) Sınıflandırma

        --Naive Bayes ile Sınıflandırma

        --Karar Ağacı ile Sınıflandırma

        --Rastgele Orman (Random Forest) ile Sınıflandırma

        --Sınıflandırma Modeli Değerlendirme

 

-Kümeleme

        --K-Ortalamalar ile Kümeleme

        --Hiyerarşik Kümeleme

• Boyut İndirgeme, En İyi Model Seçimi, Derin Öğrenme Giriş

-Boyut İndirgeme

        --Temel Bileşenler Analizi (Principal Component Analysis)

        --Lineer Diskriminant Analizi

 

-Model Seçme

        --K-Fold Cross Validation

        --Grid Search

        --En iyi model seçimi

• Finans Alanında Büyük Veri
• Alternatif Veriler
• Ekonometri ve Finansal Modelleme İncelemesi
• Makine Öğrenmesi Tanımları ve çerçevesi
• Makine Öğrenmesi Modellemesi ve Metrikleri
• Denetimli Öğrenme
• Denetimsiz Öğrenme
• Güçlendirme Öğrenmesi
• Derin Öğrenme
• Yapay zeka
• Modern Finansal Modelleme
• Python'da Makine Öğrenimi Modellerinin Uygulanması