Программа обучения машинному обучению для прогнозирования цен акций
Практический курс для тех, кто хочет понять, как работают алгоритмы предсказания на финансовых рынках. Старт программы запланирован на сентябрь 2025 года.
Узнать подробностиКак построена программа
Мы не обещаем волшебных формул. Вместо этого — честный разговор о том, что может и чего не может машинное обучение в контексте финансовых данных.
Курс рассчитан на тех, кто готов разбираться в технических деталях, понимать ограничения моделей и применять знания осознанно. И да, это потребует времени — около восьми месяцев при регулярных занятиях.
- Работа с реальными историческими данными рынков
- Понимание, когда модель ошибается и почему
- Практика написания кода на Python с нуля
- Анализ результатов без приукрашивания метрик
Кто ведёт занятия
Наши преподаватели — люди, которые сами прошли через ошибки, неудачные модели и бесконечную отладку кода. Они знают, о чём говорят, потому что делали это своими руками.
Войцех Ковальский
Специалист по алгоритмам прогнозирования
Провёл последние шесть лет, анализируя временные ряды и разрабатывая модели для финансовых институтов. Любит объяснять сложное простыми словами, хотя не всегда получается с первого раза.
Дорота Новак
Эксперт по обработке данных
Работала с финансовыми данными в разных компаниях, видела, как выглядят "грязные" наборы в реальности. На занятиях делится тем, что действительно работает, а не тем, что красиво звучит в теории.
Малгожата Вишневская
Преподаватель статистики и анализа
Считает, что без понимания статистики машинное обучение превращается в гадание на кофейной гуще. Учит студентов задавать правильные вопросы своим данным, даже если ответы получаются не такими, как хотелось бы.
Структура программы
Восемь месяцев от основ программирования до работы с реальными моделями. Каждый этап опирается на предыдущий — пропускать не рекомендуем.
Основы Python и работа с данными
Первые два месяца посвящены программированию и библиотекам для анализа. Будем писать код, разбираться с синтаксисом и учиться читать чужой код — это важнее, чем кажется.
Статистический анализ временных рядов
Третий и четвёртый месяцы — погружение в статистику. Без неё сложно понять, почему модель выдаёт именно такие результаты и можно ли им доверять.
Алгоритмы машинного обучения
Пятый и шестой месяцы — знакомство с разными подходами к прогнозированию. Регрессия, деревья решений, нейронные сети. Пробуем всё, сравниваем результаты честно.
Финальный проект и анализ ошибок
Последние два месяца отводим на самостоятельный проект. Вы создаёте свою модель, тестируете её на исторических данных и учитесь объяснять, где она работает хорошо, а где — не очень.