Waombeli
Mēs pētām mašīnmācīšanās metodes ieguldījumu automatizācijā un dalāmies ar šīm zināšanām ar tiem, kas vēlas izprast, kā algoritmi darbojas finanšu tirgos.
Kā radās šī platforma
Mašīnmācīšanās finanšu nozarē nav jauna parādība, taču tās pieejamība plašākai auditorijai ir mainījusies tikai pēdējos gados. Kad sākām darbu, lielākā daļa praktisko zināšanu bija izkaisītas akadēmiskajos rakstos un privāto institūciju iekšējos materiālos.
Šeit rodas problēma: interese ir, bet ceļš no teorijas uz praktisku izpratni ir garš un neviendabīgs. Tāpēc veidojam kursus, kas skaidro gan algoritmu loģiku, gan to, kā šie algoritmi tiek pielietoti reālos portfeļu pārvaldības scenārijos — sākot no datu priekšapstrādes līdz modeļu novērtēšanai.
Mūsu materiāli paredzēti tiem, kuri jau saprot finanšu pamatus un grib izprast, kur mašīnmācīšanās palīdz un kur tā nespēj aizstāt cilvēka spriedumu.
Kursu saturs tiek pārskatīts reizi sešos mēnešos, ņemot vērā jaunākās izmaiņas modeļu arhitektūrās un tirgus datos, ko izmanto praksē.
Kas veido saturu
Katrs modulis izstrādāts kopā ar cilvēkiem, kuri šīs metodes izmantojuši reālos datu projektos — nevis tikai izskaidrojuši tās prezentācijās.
Artūrs Grīnbergs
Programmas vadītājs
Strādājis ar laika rindu prognozēšanas modeļiem kvantitatīvās analīzes projektos. Veido kursu struktūru tā, lai katrs solis atspoguļotu reālu darba procesu, nevis idealizētu scenāriju.
Modulāra uzbūve
Katru tēmu var apgūt atsevišķi. Ja jums jau ir zināšanas par regresijas modeļiem, nav nepieciešams iet cauri ievada daļai — sākiet no tā moduļa, kas atbilst jūsu zināšanu līmenim.
Datu darbs bez vienkāršošanas
Ieguldījumu dati ir netīri, nelineāri un bieži vien nepilnīgi. Mācību materiālos šī realitāte nav apslēpta — apgūstat arī to, kā rīkoties ar nepilnīgiem datiem un kā novērtēt modeļa uzticamību.
Temps, kas der ikdienas dzīvei
Kursi nav veidoti maratoniem. Vidējais modulis aizņem no 40 līdz 70 minūtēm, un katrs beidzas ar uzdevumu, kas nostiprinātu galveno ideju bez liekas atkārtošanas.
Daudzvalodu pieeja
Mācību vide pieejama latviešu, angļu, vācu un franču valodā. Terminoloģija katrā valodā saskaņota ar nozares standartiem, nevis mehāniski tulkota.
Skaidri mācīšanās rezultāti
Katra moduļa sākumā norādīts, ko spēsiet izdarīt pēc tā pabeigšanas. Ne vispārīgi mērķi, bet konkrētas prasmes — piemēram, implementēt vienkāršu portfeļa pārsvarošanas modeli Python vidē.