1 什么是金融矿工?
作为数学、物理、统计、工程等纯理工科专业的同学,没有金融背景就没办法进投行了么?
投行拿着薪资150k+,连网红都欣羨的Quant的精英,才是全宇宙限量版的男神和女神。
Quant作为Finance领域中金融运作和Decision Making核心,不仅行业发展势头好,金融市场更是对Quant人才求贤若渴,无论是高大上的投行,还是低奢的PE,Hedge Fund,或Equity Research,都需要强大的Quant和庞大的Quant精英队伍来作为支撑。
不仅工资和CS专业不相上下,因为需要很多量化知识背景,较高的专业壁垒也让Quant员工比起前台Trader更加稳定。
作为一位合格的矿工,Python是必备技能是一。
2 学习Python的6大原因
为什么Python适合作为第一个学习的编程语言?
Python语言设计的初衷就是容易上手
作为一门基础语言,融会贯通后, 有助于学习其他语言,例如PHP, Perl, Ruby等
诸多大公司(例如Google, IBM, Disney)的员工使用Python快速编写很多小程序来辅助和优化工作流程,减轻很多不必要的重复劳动
Python 以及Django构架搭建的网站, 我们就来看看有哪些: Pinterest, The New York Times, The Guardian, Bit Bucket, Instagram, Youtube, Dropbox, Quora, Reddit, Spotify …
无论是商科, 经济, 数理化还是工程计算机, Python的覆盖面很广
大量科学计算和金融分析使用短小精悍的python script完成
Python是Data Scientist门最常用的分析工具, 有极为丰富的组建和工具包
Python程序员的薪资普遍优秀, 根据Angel List, Python是需求量第二的技能, 也位居平均薪水最高的行列
Python从入门到精通
数据工程师的5种数据结构
6个必备算法
大数据标配NumPy/SciPy Stack
构建机器学习模型项目实战
Deep Leanring
TensorFlow
明 星 导 师
M导师,高级软件工程师,美国常春藤大学计算机硕士。
拥有多年一线软件工程师工作经验,曾就职于Google等top-tier高科技公司,现任核心金融公司Desk Quant。精通数据结构和算法,熟悉Python在高科技界和金融业的运用,擅长构建基于Python的数据挖掘/机器学习/量化交易平台。
有丰富的面试经验,总结出“要点模式化”技术面试方法,使学生精准抓住面试考查要点,在较短时间内提高面试命中率,辅导学生多人拿到一流公司offer。
开 课 时 间
第一节课
2018/2/10(周六) 美西时间7:00pm - 9:00pm
第二节课
2018/2/17(周六) 美西时间7:00pm - 9:00pm
第三节课
2018/2/18(周日) 美西时间7:00pm - 9:00pm
第四节课
2018/2/24(周六) 美西时间7:00pm - 9:00pm
错过直播不要怕,直播结束后会发出直播视频回放。
课后会有项目和微信群刷题,帮你巩固知识。
课 程 大 纲
第一节课
Python特性及应用介绍
对Python进行整体介绍和要点学习 掌握软件开发核心过程 介绍最新业界动向和热门领域发展方向
1. Python语言的特性和优缺点分析
2. Python在高科技公司的应用 (Uber, Pinterest, Facebook/Instagram etc)
3. Python在金融Quant业的应用(大投行对冲基金FinTech etc)
4. 基于Python的大数据和机器学习介绍
5. Python Demo 演示基本用法和重要的built-in functions/data structures
6. 程序调试debug和测试unit test
7. Python技巧和高级用法:迭代器(Iterators), 生成器(Generator), Decorators, Closure, Regular Expressions, functional Programming
第二节课
数据结构和算法学习
深入学习基于Python的核心数据结构和算法
1. 基本数据结构 array, dictionary/hash table, tuples, sets, strings.
2. 栈(Stack),队列(Queue), 链表(Linked Lists),二叉查找树(Binary Search Tree),堆(Heap),图(Graphs)
3. Customize data structures
4. 基本算法递归vs迭代, 分而治之, 搜索排序
5. 深度优先搜索广度优先搜索贪婪算法动态规划 穿插面试真题实战分析
第三节课
项目实战
基于Pandas 和 scikit-learn 对真实的体育比赛历史,房价,B站弹幕情感等数据进行分析,挖掘有趣的关系,构建机器学习模型对未来比赛,房价进行预测。我们还会cover 数据分析中的图像可视化方法和技巧。
学员们能够基本掌握数据科学思维,独立完成一定的数据分析任务,助其获得宝贵的实际操作能力,从而打开数据科学的大门!
技术简介:
numPy+Pandas tech stack : 最热门,最powerful的python 数据分析library, 通过本次project,学生将熟练掌握用pandas处理数据的各个步骤,对data pipeline有较为深刻的理解。
scikit-learn: 久经考验并广泛运用于工业界的机器学习库。
matplotlib:经典的python based图像可视化library
第四节课
大数据和机器学习基础案例分析
最火的大数据究竟指的是哪些技术?
1. 大数据和机器学习简介
2. 科学计算标配package: NumPy/SciPy Stack
3. 机器学习最热门方向Deep Learning (AlphaGo运用的算法)
4. 机器学习最热门平台TensorFlow (Google Brain)
5. 带领学生完成一个project智能识别系统
基于Python machine learning framework
尝试多种机器学习算法(Logistic Regression, K-Nearest Neighbors, Support Vector Machines)用于智能图像识别
掌握机器学习各个步骤:Data Loading, Data Visualization, training, evaluate models, make prediction, etc.
课 程 形 式
课程形式为线上视频直播,每次课程可与导师互动交流,每次课程只限20人报名,保证学习质量。中国美国可同时观看直播。每次课程结束将会给所有学员发送视频链接,可反复观看复习课上内容。
学 员 战 绩
往期精品小班学员入职公司汇总
求 职 宝 典
报名后即可获得价值$1200的全部工程专业的求职宝典!《独家面经和题库》《美国就业手册》《硅谷求职攻略》《工程求职宝典》等的求职材料和求职资源。
报 名 方 式
往 期 学 员 反 馈
© 2024. All Rights Reserved. 沪ICP备2023009024号-1