در حال حاضر محصولی در سبد خرید شما وجود ندارد.

پنل کاربری

رمز خود را فراموش کرده اید؟ اگر اولین بار است از سایت جدید استفاده میکنید باید پسورد خود را ریست نمایید.
دسته بندی
دسته بندی

در حال حاضر محصولی در سبد خرید شما وجود ندارد.

آموزش مدیریت داده های مالی با Python, Pandas

29,900 تومان
بیش از یک محصول به صورت دانلودی میخواهید؟ محصول را به سبد خرید اضافه کنید.
افزودن به سبد خرید
خرید دانلودی فوری

در این روش نیاز به افزودن محصول به سبد خرید و تکمیل اطلاعات نیست و شما پس از وارد کردن ایمیل خود و طی کردن مراحل پرداخت لینک های دریافت محصولات را در ایمیل خود دریافت خواهید کرد.

ویدئو معرفی این محصول

با مشاهده این کورس آموزشی یاد می گیرید که چطور داده های مالی را بوسیله زبان پایتون و کتابخانه پاندا در آن مدیریت کنید.

عنوان اصلی : Manage Finance Data with Python & Pandas: Unique Masterclass

سرفصل ها :


شروع شدن :
بررسی اجمالی دوره و چگونگی به حداکثر رساندن موفقیت در یادگیری
نکات: چگونه از این دوره بیشترین بهره را ببرید
آیا می دانستید که ...؟
سوالات متداول / اطلاعات مهم
نصب آناکوندا
باز کردن یک نوت بوک Jupyter
نحوه استفاده از نوت بوک های Jupyter
-- قسمت 1: تجزیه و تحلیل داده ها با پایتون و پانداها: از صفر تا قهرمان -- :
به قسمت 1: مقدمه خوش آمدید
پانداها: اصول اولیه:
مقدمه ای بر داده های جدولی / پانداها
برگه های تقلب داده های جدولی
مراحل اول (بازرسی داده ها، قسمت 1)
مراحل اول (بازرسی داده ها، قسمت 2)
تمرین کدنویسی 0: کدگذاری سخنرانی های ویدیویی
توابع، ویژگی ها و روش های داخلی
کار را آسان کنید: تکمیل TAB و راهنمای ابزار
مراحل اول
3 سوال
مجموعه داده های خود را کاوش کنید: تمرین کدگذاری 1 (مقدمه)
مجموعه داده های خود را کاوش کنید: تمرین کدگذاری 1 (راه حل)
انتخاب ستون ها
انتخاب ردیف هایی با براکت مربع (توصیه نمی شود)
انتخاب ردیف‌ها با iloc (نمایه‌گذاری مبتنی بر موقعیت)
برش سطرها و ستون ها با iloc (نمایه گذاری مبتنی بر موقعیت)
برگه های تقلب نمایه سازی مبتنی بر موقعیت
انتخاب ردیف‌هایی با loc (نمایه‌گذاری مبتنی بر برچسب)
برش سطرها و ستون ها با loc (نمایه گذاری مبتنی بر برچسب)
برگه های تقلب نمایه سازی مبتنی بر برچسب
خلاصه و چشم انداز
نمایه سازی و برش
6 سوال
تمرین کدنویسی 2 (مقدمه)
تمرین کدنویسی 2 (راه حل)
پانداها: موضوعات متوسط:
مقدمه
گام های اول با سری پانداها
تجزیه و تحلیل سری های عددی با ()unique()، nunique() و value_counts()
به‌روزرسانی Pandas نسخه 0.24.0 (ژانویه 2019)
EXCURSUS: به روز رسانی پانداها / آناکوندا
تجزیه و تحلیل سری های غیر عددی با ()، nunique()، value_counts()
متد copy().
مرتب سازی سری ها و مقدمه ای بر پارامتر - inplace
سری پانداها
3 سوال
تمرین کدنویسی 3 (مقدمه)
تمرین کدنویسی 3 (راه حل)
گام های اول با اشیاء شاخص پاندا
تغییر فهرست ردیف با set_index() و reset_index()
تغییر برچسب های ستون
تغییر نام برچسب‌های فهرست و ستون با rename()
اشیاء شاخص پانداها
3 سوال
تمرین کدنویسی 4 (مقدمه)
تمرین کدنویسی 4 (راه حل)
مرتب سازی DataFrame با sort_index() و sort_values()
nunique() و nlargest() / nsmallest() با DataFrames
فیلتر کردن DataFrames (یک شرط)
فیلتر کردن DataFrame بر اساس بسیاری از شرایط (AND)
فیلتر کردن DataFrame بر اساس بسیاری از شرایط (OR)
فیلترینگ پیشرفته با بین()، isin() و ~
any() و all()
مرتب سازی و فیلتر کردن
2 سوال
تمرین کدنویسی 5 (مقدمه)
تمرین کدنویسی 5 (راه حل)
مقدمه ای بر ارزش های NA / ارزش های گمشده
مدیریت ارزش های NA / ارزش های گمشده
صادر کردن DataFrames به csv
خلاصه آمار و انباشت
متد agg().
تمرین کدنویسی 6 (مقدمه)
تمرین کدنویسی 6 (راه حل)
تجسم داده ها با Matplotlib و Seaborn:
مقدمه
تجسم با Matplotlib (مقدمه)
سفارشی سازی پلات ها
هیستوگرام (بخش 1)
هیستوگرام (بخش 2)
نمودارهای پراکنده
قدم های اول با Seaborn
توطئه های طبقه بندی شده در دریا
نمودارهای رگرسیون دریایی
نقشه های حرارتی دریا
تمرین کدنویسی 7 (مقدمه)
تمرین کدنویسی 7 (راه حل)
پانداها: موضوعات پیشرفته:
مقدمه
حذف ستون ها
حذف ردیف ها
اضافه کردن ستون های جدید به DataFrame
عملیات حسابی (قسمت 1)
عملیات حسابی (قسمت 2)
افزودن ردیف های جدید (دستی)
افزودن ردیف های جدید به DataFrame
دستکاری عناصر در یک DataFrame
تمرین کدنویسی 8 (مقدمه)
تمرین کدنویسی 8 (راه حل)
مقدمه ای بر عملیات GroupBy
درک شی GroupBy
تقسیم شدن با کلیدهای زیاد
تقسیم - اعمال - ترکیب
split-apply-combine اعمال شد
نمایه سازی سلسله مراتبی با Groupby
stack() و unstack()
دسته بندی بر اساس
4 سوال
تمرین کدنویسی 9 (مقدمه)
تمرین کدنویسی 9 (راه حل)
----- قسمت 2: تجزیه و تحلیل داده های مالی ------ :
خوش آمدی
داده های سری زمانی در پانداها: مقدمه:
وارد کردن داده‌های سری زمانی از فایل‌های csv
تبدیل رشته ها به اشیاء datetime با ()pd.to_datetime
تجزیه و تحلیل اولیه / تجسم سری های زمانی
فهرست بندی و برش سری های زمانی
ایجاد یک DatetimeIndex سفارشی با pd.date_range()
اطلاعات بیشتر در pd.date_range()
تمرین کدنویسی 10 (مقدمه)
تمرین کدنویسی 10 (راه حل)
نمونه برداری از سری زمانی با resample() (قسمت 1)
نمونه برداری از سری زمانی با نمونه مجدد (قسمت 2)
شی PeriodIndex
نمایه سازی پیشرفته با reindex()
تمرین کدنویسی 11 (مقدمه)
تمرین کدگذاری 11 (راه حل)
داده های مالی - گردش کار ضروری (ریسک، بازده و همبستگی):
مقدمه
آماده شدن (نصب کتابخانه مورد نیاز)
وارد کردن اطلاعات قیمت سهام از Yahoo Finance (هنوز کار می کند!)
بازرسی اولیه و تجسم
عادی سازی سری های زمانی به مقدار پایه (100)
متد ()shift
متدهای diff() و pct_change()
اندازه گیری عملکرد سهام با بازده MEAN و STD از بازده
سری زمانی مالی - بازده و ریسک
ریسک و بازده
3 سوال
سری زمانی مالی - کوواریانس و همبستگی
تمرین کدنویسی 12 (مقدمه)
تمرین کدگذاری 12 (راه حل)
داده‌های مالی - تکنیک‌های پیشرفته (آمار و گزارش‌های متحرک):
مقدمه
وارد کردن داده های مالی از اکسل
میانگین متحرک ساده (SMA) با رول ()
استراتژی های معاملاتی مومنتوم با SMA ها
استراتژی های معاملاتی
2 سوال
گزارش عملکرد S&P 500 - ریسک و بازده چرخشی
S&P 500: افق سرمایه گذاری و عملکرد
بازده ساده در مقابل بازده گزارش
بازده ساده در مقابل بازده گزارش
3 سوال
مثلث بازگشت S&P 500 (قسمت 1)
مثلث بازگشت S&P 500 (قسمت 2)
تفسیر مثلث بازگشت
2 سوال
مثلث S&P 500 دلاری
S&P 500 "رادار آب و هوا"
میانگین های متحرک با وزن نمایی (EWMA)
گسترش ویندوز
همبستگی نورد
rollling() با فاصله زمانی ثابت
ادغام / همسویی سری زمانی مالی (عملی)
تمرین کدنویسی 13 (مقدمه)
تمرین کدنویسی 13 (راه حل)
ایجاد و تجزیه و تحلیل شاخص های مالی:
شاخص های مالی - یک مرور کلی
شاخص های مالی
3 سوال
دریافت داده ها
شاخص وزنی قیمت - تئوری
PWI
4 سوال
ایجاد یک شاخص قیمت وزن با پایتون
شاخص هم وزن - نظریه
EWI
4 سوال
ایجاد یک شاخص سهام با وزن برابر با پایتون
شاخص ارزش بازار - تئوری
VWI
4 سوال
ایجاد یک شاخص سهام با ارزش بازار با پایتون (قسمت 1)
ایجاد یک شاخص سهام با ارزش بازار با پایتون (قسمت 2)
مقایسه روش های وزن دهی
شاخص قیمت در مقابل شاخص عملکرد/بازده کل
تمرین کدنویسی 14 (مقدمه)
تمرین کدگذاری 14 (راه حل)
ایجاد، تجزیه و تحلیل و بهینه سازی پرتفوی های مالی:
مقدمه
دریافت داده ها
ایجاد نمونه کارها با وزن یکسان
ایجاد بسیاری از نمونه کارها تصادفی با پایتون
نسبت شارپ و دارایی بدون ریسک چیست؟
تجزیه و تحلیل پورتفولیو و نسبت شارپ با پایتون
نسبت شارپ و دارایی بدون ریسک
3 سوال
یافتن نمونه کارها بهینه
نسبت شارپ - تجسم و توضیح داده شده است
نمونه کارها
3 سوال
تمرین کدنویسی 15 (مقدمه)
تمرین کدگذاری 15 (راه حل)
تئوری مدرن پورتفولیو و قیمت گذاری دارایی (CAPM، بتا، آلفا، SLM و غواصان ریسک.):
مقدمه
خط بازار سرمایه (CML) و قضیه دو صندوق
دو فاند- قضیه
2 سوال
اثر تنوع پرتفولیو
ریسک سیستماتیک در مقابل غیر سیستماتیک
تنوع ریسک
5 سوال
مدل قیمت گذاری دارایی سرمایه (CAPM) و خط بازار امنیت (SLM)
CAPM
3 سوال
بتا و آلفا
بازتعریف سبد بازار
سهام چرخه ای در مقابل سهام غیر چرخه ای - شهود دیگری در بتا
بتا و آلفا
3 سوال
تمرین کدنویسی 16 (مقدمه)
تمرین کدنویسی 16 (راه حل)
بهینه سازی میانگین واریانس آینده نگر و تخصیص دارایی:
مقدمه
بهینه سازی میانگین واریانس (MVO)
به این سادگی نیست - قسمت 1 (سرمایه گذاری 101 در مقابل دنیای واقعی)
تغییر بازده مورد انتظار
به همین سادگی نیست - قسمت 2 (سرمایه گذاری 101 در مقابل دنیای واقعی)
نمودارهای مالی تعاملی با پلاتلی و دکمه سرآستین:
مقدمه
آماده شدن (نصب کتابخانه های مورد نیاز)
ایجاد نمودارهای آفلاین در نوت بوک های Jupyter
نمودارهای قیمت تعاملی با Plotly
سفارشی کردن نمودارهای Plotly
هیستوگرام های تعاملی با Plotly
نمودارهای Candle-Stick و OHLC با Plotly
SMA و Bollinger Bands با Plotly
نشانگرهای فنی بیشتر با Plotly (حجم، MACD، DMI)
تمرین کدنویسی 17
----- قسمت 3: چالش تحلیلگر مالی (پروژه نهایی) ----:
چالش تحلیلگر مالی (مقدمه)
چالش تحلیلگر مالی (دستورالعمل و نکات)
چالش تحلیلگر مالی (راه حل بخش 1)
چالش تحلیلگر مالی (راه حل بخش 2)
چالش تحلیلگر مالی (راه حل قسمت 3)
چالش تحلیلگر مالی (راه حل قسمت 4)
چالش تحلیلگر مالی (راه حل قسمت 5)
چالش تحلیلگر مالی (راه حل قسمت 6)
چالش تحلیلگر مالی (راه حل قسمت 7)
سوال پاداش اضافی
---------- قسمت 4: موضوعات پیشرفته ---------------- :
ویژگی ها و روش های مفید DatetimeIndex
پر کردن مقادیر NA با bfill، ffill و interpolation
resample() و agg()
resample() و OHLC()
نمونه برداری با resample()
مناطق زمانی و تبدیل (قسمت 1)
مناطق زمانی و تبدیل (قسمت 2)
جابجایی تاریخ ها با ()pd.DateOffset
تغییر تاریخ پیشرفته
شی Timedelta
------------------ ضمیمه ------------------- :
به ضمیمه خوش آمدید
پیوست 1: دوره سقوط پایتون (اختیاری):
مقدمه
مراحل اول
متغیرها
انواع داده ها: اعداد صحیح و شناور
انواع داده ها: رشته ها
انواع داده ها: فهرست ها (قسمت 1)
انواع داده ها: فهرست ها (قسمت 2)
انواع داده ها: تاپلی
اپراتورها و بولی ها
اظهارات مشروط (اگر، elif، else، while)
برای حلقه ها
کلمات کلیدی شکستن، پاس کردن، ادامه دادن
تولید اعداد تصادفی
توابع تعریف شده توسط کاربر (قسمت 1)
توابع تعریف شده توسط کاربر (قسمت 2)
توابع تعریف شده توسط کاربر (قسمت 3)
تجسم با Matplotlib
مبانی پایتون
15 سوال
راه حل آزمون
پیوست 2: دوره تصادف Numpy (اختیاری):
مقدمه ای بر Numpy Arrays
آرایه های Numpy: برداری
آرایه های Numpy: نمایه سازی و برش
آرایه‌های Numpy: شکل و ابعاد
آرایه های Numpy: نمایه سازی و برش آرایه های چند بعدی
آرایه های Numpy: نمایه سازی بولی
تولید اعداد تصادفی
مسائل مربوط به عملکرد
مطالعه موردی: کتابخانه استاندارد Numpy در مقابل پایتون
آمار خلاصه
تجسم و رگرسیون (خطی).
ناامپی
15 سوال
امتحان Numpy: راه حل
جایزه :
سخنرانی پاداش

نمایش سرفصل های انگلیسی

Manage Finance Data with Python & Pandas: Unique Masterclass