Technologie a nástroje
Přehled technologického zázemí, na kterém stojí výuka hlubokého učení ve financích na platformě Sharpsqua.
Co skutečně používáme
Výuka na Sharpsqua není postavena na abstraktních schématech. Každý kurz pracuje s konkrétními knihovnami, datovými sadami a vývojovými prostředími, které se reálně používají v praxi kvantitativní analýzy.
Studenti pracují přímo v prostředí Jupyter Notebook s reálnými tržními daty - ne se simulovanými příklady.
Modely se trénují na historických časových řadách, ne na vyčištěných učebnicových datech. Tím pádem se chyby a odlehlé hodnoty stávají součástí výuky, ne překážkou.
JupyterLab s přednastaveným prostředím - studenti spouštějí kód od první lekce bez nutnosti lokální instalace.
Matplotlib a Plotly pro interaktivní grafy finančních časových řad, výnosových křivek a distribucí ztrát.
TensorFlow a PyTorch - kurzy pokrývají oba frameworky, protože trh je rozdělený a volba závisí na kontextu projektu.
PostgreSQL a Pandas pro práci s rozsáhlými historickými datovými sadami - od čištění po agregaci a spojování tabulek.
Ing. Věra Oulická
Vedoucí lektorka - kvantitativní modely
Volba frameworku závisí na problému, ne na módě. Proto učíme oba - a studenti sami zjistí, kdy který dává smysl.
