کتاب تحلیل داده‌های مالی با Python و R با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

249,950 تومان
پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تحلیل داده‌های مالی با Python و R

موضوع کلی: نرم‌افزارهای بهره‌وری و اداری

موضوع میانی: نرم‌افزارهای ابزارهای علم داده (Data Science Data)

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر تحلیل داده‌های مالی
  • 2. آشنایی با بازارهای مالی و داده‌های مربوطه
  • 3. مفاهیم پایهٔ آمار و احتمال برای تحلیل مالی
  • 4. آشنایی با Python برای تحلیل داده‌های مالی
  • 5. آشنایی با R برای تحلیل داده‌های مالی
  • 6. کار با کتابخانه‌های Pandas در Python
  • 7. کار با کتابخانه‌های NumPy در Python
  • 8. کار با کتابخانه‌های Matplotlib و Seaborn در Python
  • 9. کار با کتابخانه‌های dplyr و ggplot2 در R
  • 10. خواندن و پاکسازی داده‌های مالی
  • 11. مدیریت داده‌های مالی گم‌شده و پرت
  • 12. تحلیل توصیفی داده‌های مالی
  • 13. تصویرسازی داده‌های مالی با Python
  • 14. تصویرسازی داده‌های مالی با R
  • 15. تحلیل سری‌های زمانی مالی
  • 16. مدل‌سازی رگرسیونی در تحلیل مالی با Python
  • 17. مدل‌سازی رگرسیونی در تحلیل مالی با R
  • 18. آزمون فرض در تحلیل مالی
  • 19. ارزیابی عملکرد دارایی‌ها
  • 20. تحلیل ریسک و بازده
  • 21. مدل‌سازی ارزش در معرض ریسک (VaR)
  • 22. تحلیل سبد سهام
  • 23. بهینه‌سازی سبد سهام با Python
  • 24. بهینه‌سازی سبد سهام با R
  • 25. تحلیل بنیادی با استفاده از Python و R
  • 26. تحلیل تکنیکال با استفاده از Python و R
  • 27. مدل‌سازی پیش‌بینی قیمت سهام
  • 28. تحلیل احساسات بازار با استفاده از داده‌های متنی
  • 29. تجزیه و تحلیل گزارش‌های مالی
  • 30. کار با داده‌های مالی API
  • 31. کار با پایگاه‌های داده مالی
  • 32. مقدمه‌ای بر یادگیری ماشین در تحلیل مالی
  • 33. رگرسیون لجستیک برای پیش‌بینی ورشکستگی
  • 34. درخت تصمیم و جنگل تصادفی در تحلیل مالی
  • 35. ماشین بردار پشتیبان (SVM) در تحلیل مالی
  • 36. شبکه‌های عصبی در تحلیل مالی
  • 37. تحلیل خوشه‌ای در تحلیل مالی
  • 38. کاهش ابعاد در تحلیل مالی
  • 39. تحلیل داده‌های با فرکانس بالا (High-Frequency Data)
  • 40. تحلیل معاملات الگوریتمی
  • 41. تحلیل ریسک اعتباری
  • 42. تحلیل ریسک بازار
  • 43. تحلیل ریسک عملیاتی
  • 44. تحلیل ریسک سیستماتیک
  • 45. آشنایی با داده‌های اقتصاد کلان و تاثیر آن‌ها بر بازارهای مالی
  • 46. تحلیل داده‌های نرخ بهره
  • 47. تحلیل داده‌های ارز
  • 48. تحلیل داده‌های کالا
  • 49. تحلیل داده‌های مسکن
  • 50. تحلیل داده‌های بیمه
  • 51. تحلیل داده‌های بانکداری
  • 52. تحلیل داده‌های سرمایه‌گذاری
  • 53. تحلیل داده‌های بازار پول
  • 54. تحلیل داده‌های تامین مالی
  • 55. تحلیل داده‌های اوراق قرضه
  • 56. تحلیل داده‌های سهام
  • 57. تحلیل داده‌های مشتقه
  • 58. تحلیل داده‌های صندوق‌های سرمایه‌گذاری
  • 59. تحلیل داده‌های بازارهای جهانی
  • 60. تحلیل داده‌های بازارهای نوظهور
  • 61. تحلیل داده‌های شرکت‌های بزرگ
  • 62. تحلیل داده‌های شرکت‌های کوچک و متوسط
  • 63. کار با داده‌های پانل
  • 64. تحلیل داده‌های سری زمانی غیرایستا
  • 65. آزمون‌های ایستایی سری‌های زمانی
  • 66. مدل‌های ARIMA و GARCH
  • 67. پیش‌بینی با استفاده از مدل‌های سری زمانی
  • 68. تحلیل کواریانس و هم‌انباشتگی
  • 69. تحلیل موجک در داده‌های مالی
  • 70. تحلیل شبکه‌ای در بازارهای مالی
تگ‌ها: Dplyr Financial Data Analysis Ggplot2 Matplotlib NumPy Pandas Python R Seaborn آمار مالی پیش‌بینی مالی تحلیل داده‌های مالی تحلیل سبد سهام مدیریت ریسک مالی یادگیری ماشین مالی

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.