Ticarette makine öğrenimi hakkında makaleler

Yapay zeka tabanlı ticaret robotları oluşturma: Python ile yerel entegrasyon, matrisler ve vektörler, matematik ve istatistik kütüphaneleri ve çok daha fazlası.

Ticarette makine öğrenimini nasıl kullanacağınızı öğrenin. Nöronlar, algılayıcılar, evrişimli ve tekrarlayıcı ağlar, öngörücü modeller - temel bilgilerle başlayın ve kendi yapay zekanızı geliştirmeye kadar ilerleyin. Finansal piyasalarda algoritmik ticaret için sinir ağlarını nasıl eğiteceğinizi ve uygulayacağınızı öğreneceksiniz.

Yeni bir makale ekle

en son | en iyi

Veri Bilimi ve Makine Öğrenimi (Bölüm 05): Karar Ağaçları

Karar ağaçları, insanların düşünme şeklini taklit ederek verileri sınıflandırır. Bu makalede, karar ağaçlarını nasıl oluşturacağımızı ve onları verileri sınıflandırmak ve öngörmek için nasıl kullanacağımızı göreceğiz. Karar ağacı algoritmasının temel amacı, heterojen verilerden homojen veya homojene yakın verileri ayırmaktır.

Veri Bilimi ve Makine Öğrenimi (Bölüm 04): Borsa Çöküşünü Öngörme

Bu makalede, ABD ekonomisinin temel analizine dayalı olarak borsa çöküşünü öngörmek için lojistik modelimizi kullanmaya çalışacağız. Değerlendirmemizi Netflix ve Apple hisse senetleri üzerinde yapacağız ve 2019 ve 2020’deki borsa çöküşlerindeki verileri kullanacağız. Bakalım lojistik modelimiz kasvetli piyasa koşullarında nasıl performans gösterecek.

MQL5'te matrisler ve vektörler

matrix ve vector özel veri türleri, matematiksel gösterime çok yakın kodların oluşturulmasına olanak sağlar. Bu, programcıyı iç içe döngüler oluşturmaktan ve hesaplamaya dahil olan dizilerin sürekli olarak doğru bir şekilde indekslenmesine dikkat etmekten kurtarır. Dolayısıyla, matrix ve vector metotlarının kullanılması, karmaşık programların geliştirilmesinde güvenilirliği ve hızı artırır.

Veri Bilimi ve Makine Öğrenimi (Bölüm 03): Matris Regresyonları

Bu sefer matrisleri kullanarak modeller oluşturacağız. Matrisler, modellere esneklik sağlar. Yalnızca beş bağımsız değişkeni değil, bilgisayarın hesaplama yeteneklerinin izin verdiği ölçüde çok sayıda değişkeni işleyebilen güçlü modeller oluşturmamıza olanak tanır.

Veri Bilimi ve Makine Öğrenimi (Bölüm 02): Lojistik Regresyon

Veri sınıflandırması, bir algo yatırımcısı ve bir programcı için çok önemli bir şeydir. Bu makalede, evet veya hayırları, yükseliş ve düşüşleri, alış ve satışları belirlememize yardımcı olabilecek sınıflandırma lojistik algoritmalarından birine odaklanacağız.

Veri Bilimi ve Makine Öğrenimi (Bölüm 01): Lineer Regresyon

Yatırımcılar olarak sistemlerimizi ve kendimizi sayıların söylediklerine dayalı şekilde kararlar alma konusunda eğitmemizin zamanı geldi. Tüm dünyanın hareket ettiği şekilde, görsel veya sezgisel olarak değil, biz, bu genel dalganın yönüne dik olarak hareket edeceğiz.

MQL dili kullanarak sıfırdan bir Derin Sinir Ağı programlama

Bu makale okuyucuya MQL4/5 dilini kullanarak sıfırdan bir Derin Sinir Ağı programlamayı öğretmeyi amaçlamaktadır.

Rastgele Ormanlar Öngörü Trendleri

Bu makale, Forex'te döviz çiftlerinin uzun ve kısa pozisyonlarını tahmin ederek formasyonların otomatik araması için Rattle paketi kullanmayı ele almaktadır. Bu makale hem acemi hem de deneyimli yatırımcılar için faydalı olabilir.

Üçüncü Nesil Nöral Ağlar: Derin Ağlar

Bu makale, makine öğreniminde yeni ve perspektif bir yön için ayrılmıştır - derin öğrenme veya daha doğrusu derin nöral ağlar. Bu, ikinci nesil nöral ağlar, bağlantılarının mimarisi ve ana türleri, öğrenme yöntemleri ve kuralları ve ana dezavantajları, ardından üçüncü nesil nöral ağ geliştirme tarihi, ana türleri, özellikleri ve eğitim yöntemleri hakkında kısa bir incelemedir. Gerçek veriler ile yığınlanmış bir otomatik kodlayıcının ağırlıkları tarafından başlatılan derin nöral ağ oluşturma ve eğitimi üzerine pratik deneyler yürütülmektedir. Girdi verilerinin seçilmesinden metrik türetmeye kadar tüm aşamalar ayrıntılı olarak tartışılmıştır. Makalenin son kısmı, MQL4/R'ye dayalı yerleşik göstergeye sahip bir Expert Advisor içinde derin nöral ağın yazılım uygulamasını içermektedir.

Sinir Ağları Ucuz ve Neşeli - NeuroPro'yu MetaTrader 5 ile Bağlayın

Alım satım için belirli sinir ağı programları pahalı ve karmaşık görünüyorsa veya tam tersine çok basitse NeuroPro'yu deneyin. Ücretsizdir ve amatörler için en uygun işlevsellik setini içerir. Bu makale size MetaTrader 5'in nasıl kullanılacağını anlatacaktır.

Makine Öğrenmesi: Destek Vektör Makineleri Ticarette Nasıl Kullanılabilir?

Destek Vektör Makineleri, biyoinformatik ve uygulamalı matematik gibi alanlarda, karmaşık veri kümelerini değerlendirmek ve verileri sınıflandırmak için kullanılabilecek faydalı modellerini çıkarmak için uzun süredir kullanılmaktadır. Bu makale, destek vektör makinelerinin ne olduğunu, bunların nasıl çalıştığını ve karmaşık modelleri çıkarmada neden bu kadar faydalı olabileceklerini inceler. Daha sonra, bunların piyasaya nasıl uygulanabileceğini ve potansiyel olarak alım satım tavsiyelerinde bulunmak için nasıl kullanılabileceğini araştırıyoruz. Makale, okuyucuların Destek Vektörü Makine Öğrenme Aracını kullanarak kendi alım satımlarını denemelerine olanak sağlayan çalışılmış örnekler sunar.

Nöral Ağlar: Teoriden Pratiğe

Günümüzde her yatırımcının, nöral ağlar hakkında bilgisi olması gerekir; bunları kullanmanın ne kadar havalı olduğunu bilirler. Çoğunluk, nöral ağlarla uğraşan kişilerin insanüstü olduklarına inanıyor. Bu makalede, sizlere nöral ağ mimarisini açıklamaya, uygulamalarını anlatmaya ve pratik kullanım örneklerini göstermeye çalışacağım.

NeuroSolutions Yapay Sinir Ağlarını Bağlama

NeuroSolutions yazılım paketi, yapay sinir ağlarının oluşturulmasına ek olarak bunların DLL olarak dışa aktarılmasına da izin verir. Bu makale yapay bir sinir ağı ve bir DLL oluşturma ve bunu MetaTrader 5'te alım satım yapmak için bir Uzman Danışmana bağlama sürecini açıklar.