用於金融分析的 Python 和機器學習

掌握Python 程式設計基礎，利用機器學習的力量解決金融領域的實際應用。

從這 23 小時的課程，你會學到

掌握 Python 3 程式設計基礎，以金融為重點的資料科學和機器學習
瞭解如何利用 Python 的力量來應用關鍵的金融概念，如計算每日投資組合收益、風險和夏普比率
瞭解資本資產定價模型（CAPM）、馬科維茨投資組合優化和有效邊界背後的理論和直覺
應用 Python 實現多種交易策略，如基於動量和移動平均線的交易策略
瞭解如何使用 Jupyter Notebooks 來開發、展示和分享資料科學專案
學習如何使用關鍵的 Python 程式庫，如 NumPy 用於科學計算，Pandas 用於資料分析，Matplotlib 用於資料繪圖/視覺化，Seaborn 用於統計繪圖
掌握 SciKit-Learn 程式庫，使用真實世界的資料集建立、訓練和調整機器學習模型。
應用機器和深度學習模型解決銀行和金融行業的實際問題，如股票價格預測、證券新聞情緒分析、信用卡欺詐檢測、銀行客戶細分和貸款違約預測
瞭解幾種機器學習演算法背後的理論和直覺，用於迴歸任務（簡單/多項/多項式）、分類和聚類（K-Means）
使用各種KPI(關鍵效能指標)評估訓練好的機器學習迴歸模型的效能，如平均絕對誤差、平均平方誤差和均方根誤差直觀、R平方直觀和調整R平方
使用各種KPI評估訓練好的機器學習分類器的效能，如準確率、精度、召回率和F1-score
理解人工神經網路(ANNs)、迴圈神經網路(RNNs)和長短期記憶網路(LSTM)的基礎理論、直覺和數學
使用反向傳播和梯度下降演算法訓練ANNs
最佳化ANNs的超引數，如隱藏層和神經元的數量，以提高網路效能
掌握機器學習和資料科學應用的特徵工程和資料清洗策略

要求

不需要先前的經驗

課程說明

你是否已經準備好學習python程式設計基礎，並直接應用它們來解決金融和銀行領域的實際應用？

如果答案是肯定的，那麼歡迎參加 “金融分析的Python和機器學習大全 “課程，在課程中，你將學習到用Python開發實際的金融/銀行應用程式所需的一切知識!

那麼，為什麼選擇Python呢？

Python被列為2020年學習的第一大程式語言，以下是你現在需要學習Python的6個理由!

AI與機器學習的第一語言。Python是機器學習和人工智慧的第一程式語言
容易學習。Python是最容易學習的程式語言之一，尤其是你過去沒有做過任何編碼
就業：python開發人員需求量大，供應量少，是現在學習的理想程式語言。
工資高。美國Python程式設計師的平均年薪在11.6萬美元左右
可擴充性強。Python的功能非常強大，可擴充性也非常強，因此真實世界中的谷歌、Instagram、YouTube、Spotify等應用都是基於 Python 建構的
多才多藝：Python是世界上最通用的程式語言，你可以用它來做資料科學、金融分析、機器學習、電腦視覺、資料分析和視覺化、網路開發、遊戲和機器人應用

這門課程有很多獨特之處

課程分為3大部分，涵蓋python程式設計基礎、Python中的金融分析和AI/ML在金融/銀行行業的應用。詳細概述如下。

a) 第1部分–Python程式設計基礎。初學者的Python程式設計基礎涵蓋的概念有：資料型別、變數賦值、迴圈、條件語句、函式和檔案操作。此外，本節將涵蓋資料科學的關鍵 Python 程式庫，如Numpy和Pandas。此外，本節還將介紹資料視覺化工具，如Matplotlib、Seaborn、Plotly和Bokeh。

b) 第2部分–用Python進行財務分析。這一部分涵蓋了用於財務分析的Python。我們將涵蓋關鍵的金融概念，如計算每日投資組合回報率、風險和夏普比率。此外，我們還將介紹資本資產定價模型（CAPM）、馬科維茨投資組合優化和有效邊界。我們還將涉及交易策略，如基於動量的交易和移動平均線交易。

c) 第3部分–AI/ML在金融/銀行中的應用。這一部分包括AI/ML在金融領域的應用實踐專案。我們將涵蓋深度神經網路的應用，如長短期記憶（LSTM）網路來進行股價預測。此外，我們將介紹無監督的機器學習策略，如K-Means聚類和主成分分析，以執行烘焙客戶細分或聚類。此外，我們將介紹自然語言處理（NLP）的基礎知識，並應用它來執行股票情緒分析。

在整個課程中，有幾個迷你挑戰和練習，你將在實踐中學習。該課程幾乎在每個影片中都包含迷你挑戰和編碼練習，所以你將以一種實用和簡單的方式學習。
基於專案的學習方法：你將建立超過6個完整的實用專案，你可以將這些專案新增到你的專案組合中，在未來的僱主面試時展示你的專案。

那麼本課程適合哪些人呢？

本課程適合以下人群

想要利用資料科學和人工智慧的力量來最佳化業務流程，最大化收入，降低成本的金融分析師。
希望獲得對Python和資料科學在金融/銀行領域應用的基本理解的Python程式設計師初學者和資料科學家。
希望提升自己的職業生涯，建立自己的資料科學作品組合，並獲得真實世界實踐經驗的投資銀行家和金融分析師。

不需要任何經驗，即使你從來沒有使用過python或任何程式語言，也不用擔心! 你將有一個清晰的影片解釋，我們將涵蓋每一個主題。我們將從基礎開始，逐步建立你的知識。

在這個課程中，

(1)你將有一個真正的基於專案的實用學習體驗，我們將一起建立超過6個專案

(2)你將有機會獲得所有的程式碼和幻燈片，

(3)你將獲得一個完成證書，你可以釋出在你的LinkedIn個人資料上，向僱主展示你在python程式設計方面的技能。

(4) 所有這些都有30天的退款保證，所以你可以無風險地嘗試一下課程。檢視預覽影片和大綱，瞭解我們將涵蓋的專案。

目標受眾

希望利用資料科學和人工智慧的力量來最佳化業務流程、最大化收益、降低成本的金融分析師
想要獲得對Python和資料科學在金融/銀行領域應用的基本理解的Python程式設計師初學者和資料科學家
希望提升自己的職業生涯，建立自己的資料科學作品組合，並獲得真實世界實踐經驗的投資銀行家和金融分析師
不需要任何經驗，即使你從來沒有使用過python或任何程式語言，也不用擔心! 你將有一個清晰的影片解釋，我們將涵蓋每一個主題。我們將從基礎開始，逐步積累你的知識

講師簡介

Prof. Ryan Ahmed | 450K+ 學生| 最暢銷教授 | 250K+ YouTube 人工智慧、LLM、Agentic AI、雲端運算、資料科學和 CoPilot 課程

大家好，歡迎！

我是 Ryan Ahmed 博士。我是教授、教育家，也是 Stemplicity School 的創辦人。在 Stemplicity School，我們致力於讓人工智慧和資料科學變得簡單易懂、實用、方便，人人都能輕鬆掌握。我熱衷於創造引人入勝、注重實踐的學習體驗，幫助人們在這個瞬息萬變的世界中蓬勃發展。

如果您剛踏入科技領域，或希望提升您在 AI、資料科學或雲端運算方面的技能，我的目標是讓這些複雜的主題變得平易近人、貼近生活、易於應用。在過去的十年裡，我已為來自160個國家的超過45萬名學員授課，並在我的YouTube頻道「Prof. Ryan Ahmed」上建立了一個擁有超過25萬訂閱者的全球社群。我在那裡分享教程和工具，幫助人們發展職業生涯。

我也曾為匯豐銀行、加拿大皇家銀行、Discover銀行和巴克萊銀行等公司在美國、加拿大和英國進行人工智慧企業培訓。在職業生涯早期，我曾在通用汽車、三星和Stellantis擔任領導職務，致力於電動車和自動駕駛汽車技術的研究。

我擁有麥克馬斯特大學的碩士、博士和工商管理碩士學位。此外，我也是註冊專業工程師和史丹佛大學認證的專案經理，在人工智慧和電池系統領域發表過50餘篇研究論文。但拋開這些頭銜，對我而言最重要的是看到他人取得成功。

如果您充滿好奇心、積極進取，並且渴望學習，我願助您邁出下一步。

Ligency 建構現實世界的 AI 產品

加入 Ligency，與超過 340 萬名學員一起學習。

我們擁有 4.6 分的講師評分、近 100 萬條評價，並提供 12 種語言的 121 門課程，幫助工程師、領導者和團隊掌握驅動當今人工智慧革命的技能，並交付實際成果。

我們從現實世界的起點出發：大型語言模型( LLM )及其驅動的產品。您將學習AI 和生成式人工智慧 (gen AI) 的基礎知識，然後交付生產級系統 – 聊天機器人、Co-Pilot、自動化和 AI 代理。我們將深入探討大型語言模型工程：檢索（RAG）、評估、可觀測性、安全性以及團隊大規模運行代理系統所使用的模式。

我們的技術堆疊實用且與時俱進。您將使用 Python、LangChain 和 LangGraph 快速建立原型；探索來自 OpenAI、Gemini 和 Claude（包括 Claude Code）的模型；使用 Hugging Face 和 Ollama 進行微調和部署；並在 AWS 上將其部署到生產環境 – 從 Bedrock 到事件驅動服務。需要自動化？我們利用 n8n、簡潔的介面和 CI/CD 將其完美整合。在此過程中，您將掌握在高負載下依然穩健的響應式工程技術。

未來發展方向：交付型人才的職位。熱愛建構的人才可以選擇 AI 工程師和 LLM 工程師；追求規模化可靠性的人才可以選擇平台和 MLOps 方向；致力於將智能體 AI 從簡報轉化為實際業務成果的人才可以選擇產品和領導力方向。貫穿始終的核心理念是：快速學習、快速建立、衡量一切、迭代優化。

從我們最暢銷的課程開始：

LLM 工程：精通 AI、大型語言模型和 Agents – 從最初的響應式設計到生產模式（RAG、Agents、評估、LangChain/LangGraph）的實踐路徑。

完整的 Agentic AI 工程課程 – 設計、編排和部署強大的 AI Agents 和 Agentic 工作流程。

生產環境中的 AI : 大規模的 Gen AI 和 Agenttic AI – AWS 上建置管道、監控和企業級部署的擴展模式。

生成式 AI 高階主管簡報：領導者的精通指南－生成式 AI 策略、治理與投資報酬率的簡明行動手冊。

如果您希望快速提陞技能並交付實際產品，歡迎加入我們。學習概念，體驗工具，建立產品 – 然後將其推向用戶。這就是 Ligency 的行事方式。

SuperDataScience Team 幫助資料科學家成功的團隊

Hi, 你好！

我們是 SuperDataScience 團隊。你將在 Kirill Eremenko 教授的資料科學課程中看到我們 – 我們在這裡幫助你解決任何問題，並確保你在課程的旅程中總是一舤風順！

聯繫最好的方法是在你正在學習的課程的問答中討論。在大多數情況下，我們會在 24 小時內回覆。

我們熱衷於幫助你享受課程！