Machine Learning con Python para Trading

Análisis de los mercados Financieros, Técnicas de Inteligencia Artificial

aplicadas a la Bolsa. Análisis de sentimiento

Contenido del curso

13 secciones • 82 clases • 10 h 49 m de duración total
Ampliar todas las secciones

¿Que es Machine Learning?4 clases • 26 min

 Introducción
Vista previa05:03
 ¿Que es Machine Learning?
Vista previa06:09
 Tipos de Aprendizaje
Vista previa06:44
 ¿Que es Scikit Learn?
08:20

Prgramación en Python11 clases • 1 h 2 min

 Google Colab
Vista previa05:23
 Variables en Python
03:38
 Métodos con Strings
08:16
 Listas en Python
06:38
 Condicionales
04:53
 Bucles
08:49
 Lectura y Escritura de Archivos en Pyrhon
05:42
 Funciones en Python
 02:59
 Funciones Recursivas
03:00
 Clases en Python
07:25
 Uso de Try-Except
05:25

Introducción a Pandas6 clases • 46 min

 Introducción a Pandas
Vista previa10:00
 ¿Que es un DataFrame?
10:01
 Selección de datos en DataFrames
05:27
 Filtros en DataFrames
02:38
 Agrupaciones de Datos
06:40
 Agrupaciones y Filtro de Datos. Ejemplo Real
11:16

Numpy6 clases • 47 min

 ¿Como crear un Array?

Vista previa09:30
 Operaciones con Arrays
06:34
 Manipulación de Arrays y Filtros
07:53
 Métodos útiles
08:28
 Estadística con Numpy
09:58
 Manipulación de imágenes
04:47

Visualización de datos4 clases • 43 min

 Introducción Matplotlib
 Vista previa07:46
 Graficos en Matplotlib
10:47
 Graficos en Matplotlib II
11:34
 Gráficos en Matplotlib III
12:35

Extracción y Manipulación de Datos Financieros.5 clases • 45 min

 Extracción de datos
05:11
 Clase Práctica de Extracción de datos
10:42
 Preprocesamiento y Transformación de los Datos
10:42
 Ejemplo Práctico del Preprocesamiento de los Datos
09:57
 Kalman Filter
08:05

Conceptos Básicos en Inversión4 clases • 23 min

 Introducción a la inversión
02:32
 ¿Que son Tendencias?
06:26
 ¿Que es el Volumen?
05:10
 Soporte, Resistencias y Volatilidad
08:45

Análisis de Datos Financieros8 clases • 1 h 14 min

 ¿Cómo Invertir de Forma Inteligente?

04:26
 Cálculo de la tasa de Rentabilidad de una Acción
07:53
 ¿Cómo crear un Portfolio de Inversiones?
08:31
 Estacionalidad en Empresas
 22:21
 Medidas de Riesgo. Convarianza y Correlación
04:15
 ¿Como diversificar correctamente?
10:16
 ¿Como asignar el capital a las empresas correctamente?
06:57
 Análisis de Montecarlo
09:23

Crear Modelos de Machine Learning con Series Temporales5 clases • 32

min

 ¿Que es una serie Temporal?

03:21
 Etapas necesarias para la creación de un Modelo
03:48
 ¿Como Crear un Training Set a partir de una Serie temporal?
08:29
 Creación de un Traning Set.Ejemplo Práctico
11:19
 Validación del Modelo
05:19

Modelos de Machine Learning9 clases • 1 h 50 min

 Aprendizaje Supervisado y No Supervisado

06:26
 Clasificación Y Regresión
07:19
 Ejemplo de Regresión
20:43
 K-means
12:43
 Ejemplo de K-means
11:35
 GMM Gaussian Mixture Models
15:06
 Ejemplo GMM
13:15
 K-Means para Trading
14:43
 GMM para Trading
08:37

Deep Learning para Trading8 clases • 1 h 12 min

 ¿Que es una Red Neuronal?

05:30
 ¿Como aprende una red neuronal?
12:17
 Funciones de Activación
04:41
 Conceptos Básicos
11:41
 Creación de una Red Neuronal con Tensorflow
12:10
 Redes Neuronales con Keras y Scikit Learn
05:33
 Preprocesamiento de los datos
09:46
 Clasificación con Redes Neuronales
10:24

Analisis de Sentimiento enfocado a la Inversión8 clases • 48 min

 API de Twitter
04:13
 Extracción de datos
05:30
 Limpieza de Datos
07:16
 Almacenamiento y Analisis de Tweets
05:15
 Clasificación de los Tweets
05:08
 Visualización de Tweets
05:31
 Preporcesamiento de datos para Análisis de Correlación
09:31
 Análisis de Correlación con Análisis de sentimientos
 05:15

Correlacion entre empresas4 clases • 21 min

 Introducción al Análisis de Correlación

01:11
 Análisis de Correlación entre las Impresas: Scraping
07:45
 Análisis de Correlación entre las Impresas: Procesamiento
06:55
 Análisis de Correlación entre las Impresas: Visualización
05:19

Requisitos
 Ser una persona proactica con ganas de aprender

Descripción
¿Podemos predecir el mercado? ¿Como aplicamos técnicas de Machine
Learning en los mercados Financieros? ¿Como podemos elaborar estrategias
inteligentes para maximizar nuestros beneficios?

El curso está enfocado en realizar análisis sobre los mercados financieros  y

abordaremos todas las etapas desde la extracción de los datos a la creación de
nuestros modelos de Machine Learning

El curso está estructurado en los siguientes secciones:

 Introducción al Machine Learning, donde se explicarán los conceptos

básicos sobre ML
 Programación en Python, un módulo inicial que nos servirá para aprender
desde cero.
 Uso de Pandas para el procesamiento y manipulación de datos
 Numpy que nos ayudará para toda la parte de operaciones matemáticas
 Visualización de datos usando Matplotlib
 Procesamiento y Extracción  de datos Financieros, veremos diferentes
técnicas para  recolectar y procesar datos financieros.
 Conceptos básicos de Inversión
 Análisis de datos Financieros
  Series Temporales en Machine Learning
 Técnicas de Machine Learning
 Deep Learning para Trading, donde veremos como crear una redes
neuronal a partir de los datos obtenidos de Amazón
 Análisis de sentimiento, veremos como extraer información desde Twitter
para posteriormente realizar un Análisis de correlación
 Análisis de correlación entre diferentes empresas, donde usuraremos
técnicas de Web Scrapping para recolectar información.

El curso esta diseñado para que cualquier persona sin conocimientos previos
pueda aprender este maravilloso mundo. El curso está enfocado desde un punto
de vista prácticos  para que puedas aprender de manera intuitiva paso a paso.