인프런 - 라이프타임 커리어 플랫폼

Tôi muốn tạo một bot giao dịch thuật toán có thể kiếm tiền vô hạn và chạy nó tự động. Tôi nên bắt đầu từ đâu?

Chúng tôi sẽ dạy cho bạn những điểm chính về phương pháp phân tích dữ liệu SQL thông qua các dự án và lý thuyết phân tích.

Khóa học chuỗi thời gian để trở thành chuyên gia phân tích dữ liệu! Hãy trở thành nhà phân tích giỏi cả lý thuyết lẫn thực hành!

Học các tính năng cốt lõi của Pandas bằng cách so sánh với SQL!

Khóa học này tập trung vào những lời giải thích dễ hiểu và các dự án thực hành khác nhau dành cho người mới bắt đầu. Chúng tôi thu thập dữ liệu bằng cách sử dụng công cụ thu thập dữ liệu web và LangChain, đồng thời sử dụng LLM để xử lý hệ thống tóm tắt, trích xuất, phân tích cảm tính và đề xuất.

Bạn có thể sử dụng Docker để tạo môi trường phân tích học sâu trên đám mây. Khi kết hợp Docker và đám mây do Google, MS quản lý, bạn có thể thực hiện công việc bằng các phương pháp phân tích học sâu mới nhất trên máy tính của mình.

Đây là bài giảng giới thiệu/cơ bản về tiếp thị kỹ thuật số. Chúng tôi đề cập đến cách thiết kế tiếp thị kỹ thuật số dựa trên dữ liệu và các ví dụ thực tế khác nhau. Nó chứa đựng những câu chuyện về 14 năm kinh nghiệm tiếp thị của tôi trong nhiều lĩnh vực khác nhau, từ các đại lý tiếp thị kỹ thuật số đến các nhà tiếp thị nội bộ tại các tập đoàn lớn và những điều tôi muốn kể cho bạn. Đề xuất cho những ai muốn hiểu tiếp thị kỹ thuật số nói chung.

Thời gian trôi liên tục và dữ liệu tiếp tục tích lũy. Trong thế giới năng động này, dữ liệu chuỗi thời gian đóng vai trò quan trọng trong mọi khía cạnh của cuộc sống chúng ta. Từ sự biến động trên thị trường tài chính đến những dấu hiệu khó nhận thấy của biến đổi khí hậu, dữ liệu chuỗi thời gian đều có tất cả. Bây giờ hãy tìm hiểu cách diễn giải và sử dụng dữ liệu mạnh mẽ này bằng sức mạnh của Python và học sâu!

Chuẩn bị việc làm Data Analyst, nếu đang bế tắc không biết bắt đầu từ đâu, hãy nhận gợi ý từ seminar tháng 9 này!

Bạn có muốn sử dụng Python để tạo ra một công cụ giúp bạn đầu tư không? Trong bài giảng này, chúng tôi sẽ tạo một bảng điều khiển web tương tác để phân tích dữ liệu tài chính cho người dùng Python trình độ trung cấp và tìm hiểu về các chiến lược giao dịch theo cặp cho công việc định lượng chuyên sâu. Chúng tôi hy vọng rằng việc tạo công cụ phân tích hữu ích của riêng bạn sẽ giúp bạn phân tích dữ liệu tài chính mạnh mẽ hơn và đưa ra quyết định đầu tư sáng suốt.

Thực tế là việc phân tích dữ liệu có thể được thực hiện dễ dàng và hiệu quả hơn bằng cách sử dụng Python Pandas thay vì Excel! Tìm hiểu các chức năng cơ bản của thư viện Pandas và cách sử dụng nó trong thực tế thông qua phân tích dữ liệu tài chính.

Đối với những người gặp khó khăn với Excel, chúng tôi chỉ cung cấp những thông tin cần thiết mà bạn cần biết trong khoảng thời gian ngắn nhất. Và, tác dụng của việc một mũi tên giết hai con chim là đạt được chứng nhận. Hãy tận dụng cơ hội này để được đào tạo và cấp chứng chỉ thực hành Excel. Không giống như các chương trình OA khác, chương trình Excel có nhiều khía cạnh phức tạp về chức năng và cách sử dụng. Dựa trên bí quyết tích lũy qua nhiều năm giảng dạy, chúng tôi chỉ đề cập đến các khía cạnh cốt lõi của Excel. Về sử dụng thực tế, bạn có thể cải thiện kỹ năng thực hành Excel của mình trong một khoảng thời gian ngắn và thậm chí đạt được chứng chỉ ITQ Excel, chứng chỉ này rất hữu ích trong công việc thực tế.

Bằng cách triển khai các trường hợp phân tích dữ liệu thực tế khác nhau thông qua SQL, bạn có thể đồng thời cải thiện kỹ năng phân tích dữ liệu và kỹ năng sử dụng SQL của mình.

Bạn có thể học các kỹ năng và bí quyết cần thiết để nâng cao hiệu quả công việc bằng cách sử dụng API mở và Python.

Thông qua 5 dự án thực tế, bạn sẽ học cách phát triển ứng dụng web dữ liệu/học máy. Với Python và Streamlit, bạn có thể dễ dàng và nhanh chóng tạo và triển khai ứng dụng web. (Cập nhật tháng 6/2025)

Bạn sẽ có thể trích xuất dữ liệu mình muốn mà không cần sự trợ giúp của nhà phát triển. Chúng tôi sẽ thoải mái bao gồm mọi thứ bạn cần để phân tích, từ các truy vấn đơn giản đến các phép nối. Sách <SQL của Promoter> Bắt đầu với SQL với bài giảng trực tiếp của tác giả.

Nắm vững SQL trung và cao cấp, cùng nhau giải quyết 101 bài toán phân tích dữ liệu thực tế ở mức độ chuyên nghiệp, và củng cố năng lực phân tích dữ liệu SQL vững chắc.

Tôi đã gói ghém tất cả những điều muốn nói với các PM/PO junior đang chật vật vì thiếu người hướng dẫn tốt. Chia sẻ không giấu giếm các kỹ thuật khác nhau và Mental Models được các PM/PO làm việc hiệu quả sử dụng.

Bài giảng này là bài giảng tiếp theo về Đầu tư định lượng dựa trên dữ liệu vào cổ phiếu bằng Python Phần 1. Nếu phần 1 thiên về giới thiệu thì Phần 2 sẽ nói nhiều hơn về trải nghiệm tổng thể của việc thực hiện chiến lược thực tế và đầu tư định lượng phát triển Đây là một bài giảng trung tâm, chuyên sâu. Trong lớp này, chúng tôi tập trung vào các kỹ thuật Pandas nâng cao xử lý dữ liệu chuỗi thời gian và cách triển khai các chiến lược dựa trên tín hiệu dựa trên chiến lược phân bổ tài sản tĩnh/động yêu cầu điều chỉnh tỷ lệ tài sản ở các giai đoạn khác nhau. Hơn nữa, nó không dừng lại ở việc thực hiện chiến lược mà còn bao gồm một 'khuôn khổ mã' trực tiếp xác minh và kiểm tra lại các chiến lược đầu tư khác nhau với việc sửa đổi mã tối thiểu cũng như cách mở rộng và cải thiện nó để dẫn đến đầu tư thực tế. Tìm hiểu về những điều cần chú ý trong quá trình này. Ngoài các thành phần lập trình, các nội dung lý thuyết như hai loại khái niệm lợi nhuận (lợi nhuận đơn giản, lợi nhuận nhật ký) và các chỉ số đánh giá liên quan đến backtesting cũng được trình bày chuyên sâu về mặt toán học, mang lại kết quả tốt nhất không thể tìm thấy trong sách, blog đầu tư thương mại, YouTube, v.v. Bạn có thể trải nghiệm luồng đầu tư định lượng bằng Python.

Trong lớp này, bạn sẽ tìm hiểu các nguyên tắc và phương pháp phân tích và xử lý các loại dữ liệu tài chính khác nhau bằng thư viện Pandas của Python, áp dụng những nguyên tắc này vào các tình huống bạn có thể gặp phải trong thực tế và cuối cùng là tìm hiểu về cách triển khai dựa trên kiểm tra ngược. trên dữ liệu sao kê (dựa trên cuốn sách 'Bạn có thể làm đầu tư định lượng' của Kang Hwan-guk). Kết quả là, bạn sẽ có thể thoát khỏi vai trò là một “nhà đầu tư thụ động”, người chỉ làm theo những gì người khác nói mà không cần xác minh hoặc có cơ sở về logic đầu tư và sẽ sử dụng Python và Pandas để triển khai nhiều yếu tố cần thiết cho việc thực hiện chiến lược. một nhà đầu tư năng động và tự định hướng, người có thể tự do trích xuất dữ liệu và phân tích nó một cách định lượng.