دوره تحلیل داده‌های مالی با زبان برنامه‌نویسی R همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تحلیل داده‌های مالی با زبان برنامه‌نویسی R

موضوع کلی: علوم کامپیوتر و تحلیل داده

موضوع میانی: برنامه‌نویسی و تحلیل آماری برای امور مالی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر تحلیل داده‌های مالی
• 2. نصب و راه‌اندازی R و RStudio
• 3. آشنایی با محیط RStudio
• 4. مبانی زبان برنامه‌نویسی R
• 5. انواع داده‌ها در R
• 6. ساختارهای داده‌ای: بردارها
• 7. ساختارهای داده‌ای: ماتریس‌ها
• 8. ساختارهای داده‌ای: آرایه‌ها
• 9. ساختارهای داده‌ای: لیست‌ها
• 10. ساختارهای داده‌ای: فریم‌های داده
• 11. عملیات پایه‌ای بر روی فریم‌های داده
• 12. دستکاری و پاکسازی داده‌ها
• 13. فیلتر کردن داده‌ها
• 14. مرتب‌سازی داده‌ها
• 15. انتخاب ستون‌ها
• 16. اضافه کردن ستون‌های جدید
• 17. تغییر نام ستون‌ها
• 18. ادغام فریم‌های داده
• 19. عملیات تجمعی (Aggregation)
• 20. کار با داده‌های سری زمانی
• 21. مقدمه‌ای بر سری‌های زمانی مالی
• 22. خواندن و نوشتن داده‌های سری زمانی
• 23. نمودارها و بصری‌سازی داده‌ها
• 24. نمودارهای خطی
• 25. نمودارهای میله‌ای
• 26. نمودارهای پراکندگی
• 27. نمودارهای جعبه‌ای
• 28. نمودارهای هیستوگرام
• 29. نمودارهای شمعی (Candlestick Charts)
• 30. مقدمه‌ای بر آمار در R
• 31. آمار توصیفی
• 32. محاسبه میانگین، میانه و مد
• 33. محاسبه واریانس و انحراف معیار
• 34. محاسبه صدک‌ها و چارک‌ها
• 35. آزمون‌های فرض آماری
• 36. آزمون t
• 37. آزمون کای-دو
• 38. تحلیل رگرسیون خطی ساده
• 39. مقدمه‌ای بر اقتصاد سنجی مالی
• 40. مدل‌های رگرسیون چندگانه
• 41. ارزیابی مدل‌های رگرسیون
• 42. تحلیل همبستگی
• 43. مقدمه‌ای بر مدل‌سازی مالی
• 44. مدل‌های قیمت‌گذاری دارایی‌ها
• 45. مدل CAPM
• 46. مدل APT
• 47. مدل Black-Scholes-Merton
• 48. محاسبه ریسک پرتفوی
• 49. بهینه‌سازی پرتفوی
• 50. مقدمه‌ای بر یادگیری ماشین در امور مالی
• 51. یادگیری نظارت شده
• 52. یادگیری بدون نظارت
• 53. طبقه‌بندی (Classification)
• 54. رگرسیون (Regression)
• 55. مدل‌های پیش‌بینی قیمت سهام
• 56. مدل‌های پیش‌بینی بازده
• 57. مدل‌های سری زمانی ARIMA
• 58. مدل‌های GARCH
• 59. تحلیل احساسات بازار
• 60. پردازش زبان طبیعی (NLP) برای تحلیل مالی
• 61. کار با داده‌های متنی
• 62. استخراج ویژگی از متن
• 63. تحلیل احساسات متن
• 64. مقدمه‌ای بر داده‌های جایگزین (Alternative Data)
• 65. کار با داده‌های اقتصادی کلان
• 66. تحلیل داده‌های شبکه‌های اجتماعی
• 67. کار با APIها
• 68. واکشی داده‌ها از منابع آنلاین
• 69. پاکسازی و آماده‌سازی داده‌های API
• 70. بصری‌سازی داده‌های API
• 71. مقدمه‌ای بر بهینه‌سازی مالی
• 72. بهینه‌سازی پرتفوی با روش‌های عددی
• 73. تحلیل حساسیت مدل‌ها
• 74. مدیریت ریسک مالی
• 75. مدل‌سازی ارزش در معرض ریسک (VaR)
• 76. مدل‌سازی کسری در معرض ریسک (CVaR)
• 77. شبیه‌سازی مونت کارلو
• 78. کاربرد شبیه‌سازی مونت کارلو در مالی
• 79. شبیه‌سازی قیمت دارایی‌ها
• 80. ارزیابی ابزارهای مشتقه
• 81. مقدمه‌ای بر بلاک‌چین و رمزارزها (از منظر تحلیلی)
• 82. تحلیل داده‌های تراکنش رمزارزها
• 83. بصری‌سازی داده‌های بلاک‌چین
• 84. مقدمه‌ای بر ابزارهای تجاری خودکار
• 85. ساخت ربات‌های معاملاتی ساده (با رعایت مقررات)
• 86. ارزیابی عملکرد ربات‌های معاملاتی
• 87. مقدمه‌ای بر تحلیل داده‌های کلان اقتصادی
• 88. شاخص‌های اقتصادی کلان
• 89. رابطه شاخص‌های اقتصادی با بازارهای مالی
• 90. کار با داده‌های بانکی مرکزی (از منظر تحلیلی)
• 91. مقدمه‌ای بر مدیریت سرمایه‌گذاری
• 92. تحلیل اوراق بهادار
• 93. تحلیل سهام
• 94. تحلیل اوراق قرضه
• 95. مقدمه‌ای بر حسابداری مالی
• 96. درک صورت‌های مالی
• 97. نسبت‌های مالی کلیدی
• 98. کاربرد R در تحلیل صورت‌های مالی
• 99. مقدمه‌ای بر تحلیل داده‌های بیمه
• 100. مفاهیم بیمه