یادگیری ماشینی در پایتون برای تجارت رمز ارزها

یاد بگیرید که قیمت های آینده cryptocurrency را با استفاده از قدرت یادگیری ماشین پایتون (هوش مصنوعی) پیش بینی کنید

عنوان اصلی : Machine Learning in Python for Cryptocurrency Trading

سرفصل های دوره :

شروع:
ویدیوی تبلیغاتی (مقدمه)
محیط های برنامه نویسی:
02 تنظیم محیط برنامه نویسی - 1
02 تنظیم محیط برنامه نویسی - 2
دوره سقوط پایتون:
03 نظرات پایتون
03 متغیرهای پایتون
04 توابع و روشهای پایتون
05 نوع داده در پایتون
06 pandas dataframe
07 قالب پرونده های داده CSV
08 کتابخانه پایتون
04 یادگیری ماشین:
01 یادگیری ماشین - مقدمه
02 یادگیری ماشین برای تجارت رمزنگاری
03 الگوریتم های یادگیری ماشین 101
04 مدل های یادگیری ماشین 101
الگوریتم های 05 میلی لیتر در مقابل مدل های ML - تفاوت
06 رگرسیون در مقابل طبقه بندی
05 پردازش و تجزیه و تحلیل داده های cryptocurrency:
01 Candlestick OHLC
03 بازرسی و تجسم داده ها
04 اندازه گیری عملکرد رمزنگاری
05 محاسبه بازده از داده های تاریخی
05 محاسبه بازده از داده های تاریخی
06 منظم سازی یا عادی سازی داده ها
07 همبستگی و همبستگی
06 ارزیابی عملکرد ارزهای رمزنگاری:
01 ارزیابی عملکرد (بازگشت ریسک)
02 بارگیری داده های ETHUSD
07 پیش بینی قیمت رمزنگاری با یادگیری ماشین:
01 رگرسیون خطی ساده
02 پیش بینی قیمت رمزنگاری - رگرسیون خطی ساده
03 دستگاه بردار پشتیبانی (SVM)
04 پیش بینی قیمت رمزنگاری - SVM
05 xgboost
06 پیش بینی قیمت رمزنگاری - xgboost
08 میلی لیتر ارزیابی مدل:
01 خطای باقیمانده
02 R SQUIRED ERROR TURTUITION
03 R اجرای خطای مربع
09 میلی لیتر استقرار مدل:
09 میلی لیتر استقرار مدل