اپلیکیشن اندرویدی فلش‌کارت آموزشی NumPy: محاسبات عددی سریع برای مدل‌های سرمایه‌گذاری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره NumPy: محاسبات عددی سریع برای مدل‌های سرمایه‌گذاری

موضوع کلی: سرمایه‌گذاری کمی و معاملات الگوریتمی

موضوع میانی: کتابخانه‌های پایتون (Pandas, NumPy, SciPy)

📋 سرفصل‌های دوره

• 1. مقدمه: چرا NumPy؟
• 2. آشنایی با آرایه‌های NumPy
• 3. ایجاد آرایه‌های NumPy
• 4. شکل و ابعاد آرایه‌ها
• 5. دسترسی به عناصر آرایه
• 6. برش‌دهی آرایه‌ها
• 7. انواع داده در NumPy
• 8. عملیات پایه ریاضی با آرایه‌ها
• 9. عملیات مقایسه‌ای
• 10. عملیات منطقی
• 11. ترکیب آرایه‌ها
• 12. تجدید شکل آرایه‌ها
• 13. مسطح‌سازی آرایه‌ها
• 14. مرتب‌سازی آرایه‌ها
• 15. جستجو در آرایه‌ها
• 16. توابع آماری پایه
• 17. میانگین، میانه و مد
• 18. انحراف معیار و واریانس
• 19. توابط آماری پیشرفته
• 20. آمار توصیفی
• 21. توزیع داده‌ها
• 22. کوانتیل‌ها و صدک‌ها
• 23. جداول فراوانی
• 24. هیستوگرام‌ها
• 25. تجزیه و تحلیل کوواریانس
• 26. همبستگی
• 27. محاسبات ماتریسی
• 28. ضرب ماتریس‌ها
• 29. معکوس ماتریس
• 30. دترمینان ماتریس
• 31. حل دستگاه معادلات خطی
• 32. مقدار ویژه و بردار ویژه
• 33. تجزیه مقادیر منفرد (SVD)
• 34. تجزیه مقدار ویژه (Eigen Decomposition)
• 35. رگرسیون خطی با NumPy
• 36. رگرسیون چندگانه
• 37. مدل‌های سری زمانی
• 38. شاخص‌های اقتصادی
• 39. محاسبات سود سرمایه‌گذاری
• 40. محاسبه بازده سالانه
• 41. محاسبه بازده مرکب
• 42. ارزش فعلی و آینده
• 43. جریان‌های نقدی
• 44. شبکه ارزش فعلی
• 45. نرخ بازده داخلی (IRR)
• 46. دوره بازپرداخت
• 47. ریسک سرمایه‌گذاری
• 48. انحراف معیار بازده
• 49. نسبت شارپ
• 50. نسبت سورتینو
• 51. حداکثر افت سرمایه (Max Drawdown)
• 52. مدل قیمت‌گذاری اختیار معامله بلک-شولز
• 53. شبیه‌سازی مونت کارلو
• 54. مدل‌های قیمت‌گذاری اوراق قرضه
• 55. محاسبه بازده تا سررسید (YTM)
• 56. مدل ارزش‌گذاری شده با جریان نقدینگی تنزیل شده (DCF)
• 57. تحلیل حساسیت
• 58. بهینه‌سازی پرتفوی
• 59. مدل مارکوویتز
• 60. حد مرزی کارا (Efficient Frontier)
• 61. حداقل واریانس پرتفوی
• 62. حداکثر نسبت شارپ پرتفوی
• 63. تحلیل خوشه‌ای (Clustering)
• 64. کاهش ابعاد (Dimensionality Reduction)
• 65. تحلیل مؤلفه‌های اصلی (PCA)
• 66. تحلیل تشخیص مؤلفه‌ها (ICA)
• 67. یادگیری ماشین با NumPy
• 68. طبقه‌بندی با NumPy
• 69. رگرسیون با NumPy
• 70. کتابخانه‌های مرتبط با NumPy
• 71. Pandas و NumPy
• 72. Matplotlib و NumPy
• 73. SciPy و NumPy
• 74. Scikit-learn و NumPy
• 75. بهینه‌سازی عملکرد با NumPy
• 76. نکات و ترفندهای پیشرفته NumPy
• 77. کار با داده‌های بزرگ
• 78. خواندن و نوشتن فایل‌های بزرگ
• 79. فشرده‌سازی داده‌ها
• 80. پردازش موازی با NumPy
• 81. کار با GPU
• 82. مقدمه‌ای بر یادگیری عمیق و NumPy
• 83. شبکه‌های عصبی ساده با NumPy
• 84. مقدمه بر تحلیل داده‌های مالی
• 85. مفاهیم اولیه اقتصاد سنجی
• 86. مدل‌های پیش‌بینی سری زمانی
• 87. تحلیل داده‌های واقعی
• 88. کار با داده‌های مالی تاریخی
• 89. شاخص‌های بازار سهام
• 90. محاسبه نوسانات
• 91. استراتژی‌های معاملاتی ساده
• 92. پشت‌آزمایی استراتژی‌های معاملاتی
• 93. نکات پایانی و منابع بیشتر