Finansçılar için Python

Finans dünyasının karmaşık verilerini çözmeniz, piyasalardaki dalgalanmalara anında adapte olmanız ve risk yönetimini ustaca yapmanız için ihtiyacınız olan tüm bilgi ve becerilere sahip olun!

Finansal veriler üzerinde etkili analiz ve modelleme yaparak yatırım stratejileri geliştirebilecek, Seaborn ve Pandas gibi kütüphanelerle verilerinizi görselleştirip otomatik raporlar oluşturabileceksiniz.

14 dersin sonunda:

Programlarınızın akışını kontrol etmek için If-Else, For, While gibi yapıları öğreneceksiniz.

Finansal API'lar aracılığıyla gereken verilere erişim sağlayarak internet üzerinden veri toplama yöntemlerini öğreneceksiniz.

Yfinance kütüphanesi ile hisse senedi ve diğer finansal verileri analiz edebilme yeteneğine sahip olacaksınız.

Scikit-learn kullanarak regresyon modelleri kuracak ve MSE, R² gibi metriklerle model performansını ölçümleyeceksiniz.

Overfitting ve underfitting gibi kavramları anlayarak modelinizin eğitim ve gerçek dünya verilerine ne kadar uygun olduğunu değerlendirebileceksiniz.

ARIMA ve LightGBM ile zaman serisi analizi yaparak güçlü makine öğrenimi modelleri oluşturabileceksiniz.

Bilgi İstiyorum

12 yılı aşkın süredir Veri Analizi ve Veri Analitiği üzerine çalışmaktadır.

Kariyerine akademide başlayıp, sonrasında bankacılık sektöründe devam etmiştir.

7 yıl Yapıkredi’de Data ANalyst ve Data Scientist olarak çalışmıştır.

Şu anda KoçDigital’de Analytic Manager olarak çalışmaktadır.

Aynı zamanda danışmanlık şirketinde finans kuruluşlarına ve bankalara analitik danışmanlık vermektedir.

Generative AI gibi yeni bir alanda 20+ proje konusu içerisinde yer almıştır.

Teknolojiyle yakından ilgilidir ve denizcilikle uğraşmaktadır.

Zamanınızı Geri Kazanın!

Finansal verilerin toplayacak, temizleyebilecek ve analiz yapmak artık saatlerinizi almayacak! Python'un güçlü kütüphaneleriyle zamandan tasarruf edebileceksiniz.

Kararları Güçlendirin!

Veriye dayalı kararlarla piyasalardaki belirsizlikleri fırsata çevirebileceğiniz muhteşem bir müfredat! Bu eğitimden sonra Python ile finansal modelleme ve risk yönetimi araçlarını keşfedebileceksiniz.

Yenilikçi Çözümler Üretin!

Karmaşık finansal süreçlere yenilikçi çözümler getirmeye hazır mısınız? Verileri etkili bir şekilde işleyebilecek, analiz edebilecek ve entegre edebileceksiniz.

BAŞLANGIÇ TARİHİ:

25 Nisan 2024

KURSUN SÜRESİ:

7 Hafta

14 Ders

FORMAT:

Web seminerleri

Ödevler ile ilgili geri bildirim

Uygulama Temelli Dersler ve Ödevler

Derslerin materyallerini pekiştirmeniz için çok özel uygulama temelli alıştırmalar geliştirdik. Bu alıştırmalar sayesinde, liderliği çok daha iyi kavrayacaksınız.

Yardım ve Destek

Kurs eğitmeni, kurs sırasında ortaya çıkan tüm soruları yanıtlayacak ve ekibimiz öğrenme sürecinde size yardımcı olacaktır.

Network

Eğitim ile ilgili tüm bilgi ve dökümanları hızlıca edinebileceğiniz kapalı bir Whatsapp grubuna dahil olacaksınız.

- Jupyter Notebook’un yüklenmesi ve özellikleri
- Finans ve veri alanında Python’un güçlü yönleri
- Syntax ve değişkenler
- Veri tipleri: metinler, sayılar ve kompleks tipler
- Metin manipülasyonu
- - Metin oluşturma
- - Metin birleştirme
- - Metin çıkarma

- List, tuple, dictionary ve array
- Aritmetik, karşılaştırma ve mantıksal operatörler
- Üyelik ve kimlik operatörlerinin kullanım alanları
- If-Else, For ve While yapıları

- NumPy dizileri ve işlemleri
- Loc ve iloc ile veri seçimi
- Tablolarda filtreleme ve indeksleme
- .XLSX ve .CSV formatları ile çalışmak
- Temel matematiksel fonksiyonlar ve vektör işlemleri
- Finansal veri setlerinin Pandas ile temizlenmesi ve düzenlenmesi
- - Kayıp veriler
- - Uç değerler (outliers)
- Değer döndüren fonksiyonlar

- Keşifsel veri analizi (EDA) teknikleri
- Veri gruplama ve agregasyon
- Sık kullanılan grafik türlerinin oluşturulması
- Matplotlib ile temel görselleştirme teknikleri
- - Grafikler ve histogramlar
- - Başlık, etiket, renk ve stil ayarları
- Seaborn ile karmaşık veri yapılarının görselleştirilmesi
- Grafiklerden çıkarım yapılması

- Finansal verilerin alınması
- - Finansal APIs
- - Web Scraping ile verilerin toplanması
- Hisse senedi fiyatları ve getirilerinin analizi
- Uygulama: Emtia, döviz kurları ve S&P 500 verilerinin çekilmesi ve analiz edilmesi

- Basit hareketli ortalama (SMA) ve Üstel hareketli ortalama (EMA)
- Finansal zaman serisi analizi
- YFinance kütüphanesinin kullanımı
- YFinance ile finansal göstergeler
- - P/E oranı
- - Piyasa Değeri

- Finansta tanımlayıcı istatistikler
- Korelasyon ve kovaryans analizi
- Temel finansal istatistikler
- - Getiri Hesaplama
  - - Yatırım Getirisi
  - - Yıllık Getiri
- - Risk Ölçümleri
  - - Standart Sapma
  - - Beta Değeri
- - Performans Göstergeleri

- Makine öğreniminde önemli parametreler
- Finans alanında makine öğrenimi uygulama alanları
- Modelleme öncesi: Veri yükleme ve temizleme
- Veri temizleme: Eksik veriler, temel veri dönüşümleri

- Basit lineer regresyonun temelleri
- Python ile Basit Lineer Regresyon Modeli
- Scikit-learn kullanarak model kurma
- Modeli eğitme ve basit bir veri seti üzerinde test etme
- Model performansının değerlendirilmesi
- Hata metrikleri: MSE, R²

- Birden fazla değişkeni içeren regresyon modelleri
- Model iyileştirme teknikleri
- Overfitting/underfitting kavramları
- Regularizasyon: Ridge, Lasso
- Gerçek veri seti üzerinde alıştırmalar ve model uygulaması

- Finans dünyasında kredi riski
- Kredi riski nasıl hesaplanır?
- Python kullanarak örnek veri seti inceleme
- Veri seti içindeki değişkenleri eleme, türetme
- Kredi risk modeli öncesi hazırlık

- Kredi risk modelinin temel bileşenleri
- - Borçlu değerlendirmesi
- - Temerrüt olasılığı
- - Kayıp verilme oranı
- Veri hazırlığı sonrası Target seçimi
- Kredi risk modeli performansının değerlendirilmesi
- Kredi Risk Modeli - Temerrüt Olasılığı

- Zaman serisi modelleri: ARIMA ve Lightgbm
- Zaman serisi verileri ile modelleme ve tahmin yapma
- Mevsimsellik ve trend analizi
- Zaman serilerinde model seçimi ve değerlendirme

- Python'da rapor oluşturma yöntemleri
- Görsellerin ve analizlerin rapora entegrasyonu
- Rapor tasarımı ve düzeni üzerine öneriler
- Python Script'lerinin otomatikleştirilmesi
- Basit otomasyon script'leri oluşturma
- Zamanlanmış rapor oluşturma
- Zamanlanmış görevlerin oluşturulması (cron joblar, Windows Görev Zamanlayıcı vb.)
- Otomatik rapor oluşturmanın avantajları ve potansiyel zorlukları
- İş süreçlerinde Python: Soru-Cevap Oturumu

Bilgi İstiyorum