اپلیکیشن اندرویدی فلش‌کارت آموزشی بهینه‌سازی پارامترها در مدل‌های یادگیری پیوسته برای سرمایه‌گذاری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره بهینه‌سازی پارامترها در مدل‌های یادگیری پیوسته برای سرمایه‌گذاری

موضوع کلی: سرمایه‌گذاری کمی و معاملات الگوریتمی

موضوع میانی: مدل‌های یادگیری پیوسته (Continual Learning)

📋 سرفصل‌های دوره

• 1. مقدمه ای بر بهینه‌سازی پارامترها
• 2. مبانی یادگیری پیوسته
• 3. مدل‌های یادگیری پیوسته برای سرمایه‌گذاری
• 4. چالش‌های بهینه‌سازی در داده‌های مالی
• 5. روش‌های کلی بهینه‌سازی پارامتر
• 6. گرادیان کاهشی
• 7. گرادیان کاهشی تصادفی
• 8. بهینه‌سازهای تطبیقی
• 9. آدام (Adam)
• 10. RMSprop
• 11. Adagrad
• 12. نظارت بر فرایند بهینه‌سازی
• 13. تابع هزینه
• 14. مشتق تابع هزینه
• 15. انتشار رو به عقب (Backpropagation)
• 16. آموزش و اعتبارسنجی
• 17. تقسیم داده‌ها
• 18. اعتبارسنجی متقابل (Cross-validation)
• 19. تنظیم ابرپارامترها
• 20. جستجوی شبکه‌ای (Grid Search)
• 21. جستجوی تصادفی (Random Search)
• 22. بهینه‌سازی بیزی (Bayesian Optimization)
• 23. تکنیک‌های منظم‌سازی
• 24. منظم‌سازی L1
• 25. منظم‌سازی L2
• 26. رهاسازی (Dropout)
• 27. توقف زودهنگام (Early Stopping)
• 28. معرفی مدل‌های مالی رایج
• 29. رگرسیون خطی
• 30. رگرسیون لجستیک
• 31. ماشین‌های بردار پشتیبان (SVM)
• 32. شبکه‌های عصبی کانولوشنی (CNN)
• 33. شبکه‌های عصبی بازگشتی (RNN)
• 34. شبکه‌های حافظه طولانی کوتاه-مدت (LSTM)
• 35. شبکه‌های حافظه کوتاه-مدت (GRU)
• 36. مدل‌های مبتنی بر درخت
• 37. درخت‌های تصمیم
• 38. جنگل‌های تصادفی (Random Forests)
• 39. تقویت گرادیان (Gradient Boosting)
• 40. XGBoost
• 41. LightGBM
• 42. کات‌بوست (CatBoost)
• 43. مدل‌های سری زمانی
• 44. ARIMA
• 45. SARIMA
• 46. Prophet
• 47. اقتصاد سنجی مالی
• 48. مدل‌های قیمت‌گذاری دارایی
• 49. مدل CAPM
• 50. مدل APT
• 51. مدل Black-Scholes
• 52. مدل‌های پیش‌بینی قیمت سهام
• 53. مدل‌های پیش‌بینی نوسانات
• 54. مدل‌های تشخیص الگو
• 55. تحلیل احساسات مبتنی بر متن
• 56. شبکه‌های عصبی برای پردازش زبان طبیعی
• 57. ترکیب مدل‌های مختلف (Ensemble Methods)
• 58. ساخت مدل‌های ترکیبی
• 59. تکنیک‌های ترکیب وزنی
• 60. تکنیک‌های رأی‌گیری
• 61. تکنیک‌های پشته‌سازی (Stacking)
• 62. ارزیابی عملکرد مدل‌های سرمایه‌گذاری
• 63. معیارهای ارزیابی کلاسیک
• 64. دقت (Accuracy)
• 65. دقت (Precision)
• 66. یادآوری (Recall)
• 67. امتیاز F1
• 68. منحنی ROC
• 69. منحنی AUC
• 70. معیارهای ارزیابی مخصوص سرمایه‌گذاری
• 71. بازده (Return)
• 72. ریسک (Risk)
• 73. نسبت شارپ (Sharpe Ratio)
• 74. نسبت سورتینو (Sortino Ratio)
• 75. حداکثر افت (Maximum Drawdown)
• 76. محدودیت‌ها و چالش‌های عملی
• 77. کیفیت داده‌ها
• 78. نویز در داده‌های مالی
• 79. مقیاس‌پذیری مدل‌ها
• 80. حافظه و زمان محاسباتی
• 81. سازگاری با تغییرات بازار
• 82. خطر بیش‌برازش (Overfitting)
• 83. خطر کم‌برازش (Underfitting)
• 84. طراحی استراتژی‌های معاملاتی
• 85. مبتنی بر پیش‌بینی قیمت
• 86. مبتنی بر تشخیص الگو
• 87. مبتنی بر مدیریت ریسک
• 88. استراتژی‌های سبدگردانی
• 89. تخصیص دارایی پویا
• 90. مدل‌سازی بهینه سبد
• 91. مدیریت ریسک در سرمایه‌گذاری
• 92. تحلیل سناریو
• 93. شبیه‌سازی مونت کارلو
• 94. سرمایه‌گذاری الگوریتمی
• 95. معماری سیستم‌های معاملاتی
• 96. اجرای خودکار معاملات
• 97. نظارت و مدیریت ریسک لحظه‌ای
• 98. جنبه‌های اخلاقی و نظارتی
• 99. شفافیت در مدل‌سازی
• 100. مسئولیت‌پذیری