Алгоритмы машинного обучения для анализа финансовых данных
Разбираемся, как алгоритмы помогают понимать рынки лучше
Финансовые данные — это всегда шум и сигнал одновременно. Мы обучаем тому, как находить закономерности там, где их сложно увидеть невооружённым глазом. И честно говорим: это не магия, а кропотливая работа с данными, моделями и тестированием гипотез.
Узнать о программе
Мы собрали типичные сомнения студентов — от момента выбора курса до завершения обучения
Мы регулярно публикуем статьи о методах, инструментах и нюансах работы с финансовыми данными. Почитайте — это поможет понять наш подход.
ARIMA, экспоненциальное сглаживание и сезонная декомпозиция — это не прошлый век. В некоторых задачах они дают результат быстрее и надёжнее, чем нейросети. Разбираемся, когда стоит начинать именно с них.
Рекуррентные сети долго были стандартом для работы с последовательностями. Но трансформеры меняют правила игры. Мы сравнили два подхода на реальных данных биржи KASE и получили неожиданные выводы.
Работал аналитиком в Halyk Bank, строил модели для оценки кредитных рисков. Теперь делюсь опытом и показываю, как избегать типичных ошибок при работе с финансовыми данными. Люблю задачи, где нужно думать, а не просто запускать готовые скрипты.
Никаких учебных датасетов из 90-х. Мы сразу начинаем с котировок, макроэкономических индикаторов и отчётности компаний. Да, это сложнее. Но зато потом не будет шока от встречи с настоящими задачами.
Помогаю разобраться, когда что-то идёт не так. Отвечаю на вопросы по задачам, организую обсуждения и слежу за тем, чтобы никто не застревал надолго. Раньше работала data scientist в финтехе, так что знаю, где обычно возникают сложности.
В конце курса делаете собственную прогнозную модель. Можете взять данные казахстанского рынка, международных индексов или криптовалют — главное, чтобы задача была интересна именно вам. Мы проверяем не только код, но и логику решений.
Курс стартует в сентябре 2025 года. Оплата возможна частями.
за весь курс
за весь курс
за весь курс
