دوره R

(تحلیل داده های مالی به وسیله R)

دوره تحلیل داده های مالی به وسیله R برای افراد زیر مناسب است:

افراد فعال در حوزه مالی:

تحلیلگران مالی: برای انجام تحلیل‌های پیشرفته، مدل‌سازی مالی، ارزیابی ریسک و پیش‌بینی‌های مالی.
مدیران سرمایه‌گذاری و پرتفوی: برای تحلیل عملکرد پرتفوی، بهینه‌سازی تخصیص دارایی‌ها و توسعه استراتژی‌های معاملاتی کمی.

کارشناسان ریسک: برای شناسایی، ارزیابی و مدیریت ریسک‌های مالی با استفاده از مدل‌های آماری و یادگیری ماشین.
معامله‌گران کمی (Quant Traders): برای توسعه و اجرای استراتژی‌های معاملاتی الگوریتمی و تحلیل داده‌های بازار.

مشاوران مالی: برای ارائه تحلیل‌های داده‌محور و راهکارهای مالی به مشتریان.
حسابداران: برای تحلیل داده‌های مالی و ارائه گزارش‌های دقیق‌تر و بینش‌های ارزشمندتر. کارشناسان برنامه‌ریزی و تحلیل مالی (FP&A): برای پیش‌بینی‌های مالی، بودجه‌بندی و تحلیل واریانس.
افرادی که به حوزه مالی علاقه‌مند هستند و یا قصد ورود به آن را دارند:
دانشجویان رشته‌های مالی، اقتصاد، حسابداری، آمار و علوم کامپیوتر: برای کسب مهارت‌های مورد نیاز در بازار کار و انجام پروژه‌های تحقیقاتی.

افرادی که به دنبال تغییر شغل به حوزه تحلیل داده‌های مالی هستند: برای یادگیری ابزارها و تکنیک‌های لازم.
افراد فعال در سایر حوزه‌ها:
تحلیلگران داده: که می‌خواهند تخصص خود را در حوزه مالی تعمیق بخشند. متخصصان فناوری اطلاعات: که می‌خواهند در توسعه سیستم‌های مالی و الگوریتم‌های معاملاتی مشارکت کنند.
به طور خلاصه، مخاطبین اصلی این دوره عبارتند از:
متخصصان مالی که به دنبال ارتقاء مهارت‌های تحلیلی خود با استفاده از یک ابزار قدرتمند و انعطاف‌پذیر هستند.* افرادی که قصد ورود به مشاغل مرتبط با تحلیل داده‌های مالی را دارند و نیازمند کسب دانش و مهارت‌های عملی هستند.داشتن دانش پایه در آمار و مفاهیم مالی می‌تواند برای درک بهتر مطالب دوره مفید باشد، اما بسیاری از دوره‌ها از سطح مقدماتی شروع می‌کنند و مفاهیم مورد نیاز را آموزش می‌دهند.

ویژگی های دوره

مدرس دوره:دکتر محمد زارع، استاد دانشگاه الزهرا

نوع دوره: آنلاین

پیش نیاز: آشنایی با مباحث فناوری اطلاعات

 زبان دوره: فارسی

مدت زمان:10 ساعت اموزش کاربردی

ارائه گواهی نامه معتبر انجمن علمی حسابرسی فناوری اطلاعات ایران

سر فصل های دوره:

جلسه 1: مقدمه ای بر R

 هدف: آشنایی با مبانی R و کار با داده ها.

• نصب R و RStudio، آشنایی با محیط IDE.
• نحو پایه: متغیرها، بردارها، دیتا فریم ها.
• وارد کردن داده ها(CSV، اکسل) و بررسی اولیه.
• مقدمه ای بر dplyr برای فیلتر کردن و خلاصه سازی داده ها.

جلسه 2: مصورسازی داده ها با ggplot2

هدف: ایجاد نمودارهای روشنگر برای بررسی داده ها.

  دستور زبان گرافیک (ggplot2): زیبایی شناسی، اشکال هندسی، وجوه.

  نمودارهای کلیدی: هیستوگرام، نمودارهای پراکندگی، نمودارهای میله ای، نمودارهای جعبه ای.

  سفارشی سازی تم ها، برچسب ها و رنگ ها.

  ذخیره نمودارها برای گزارش ها.

جلسه 3: رگرسیون خطی

هدف: درک و پیاده سازی مدل سازی پیش بینی کننده.

  همبستگی در مقابل علیت.

  رگرسیون خطی ساده و چندگانه (lm()).

  تفسیر ضرایب، مقادیر p و R-squared.

  بررسی فرضیات (نمودارهای پسماند، نرمال بودن).

جلسه 4: پیش بینی سری های زمانی

هدف: تجزیه و تحلیل داده های زمانی و انجام پیش بینی ها.

  اشیاء سری زمانی(ts(), xts)

  تجزیه (روند، فصلی بودن، پسماندها).

  پیش بینی های اولیه (میانگین متحرک، هموارسازی نمایی).

  مقدمه ای بر پیش بینی فشرده

جلسه 5: پروژه داده های دنیای واقعیت

هدف: به کارگیری تمام مهارت ها در یک مطالعه موردی کامل.

  انتخاب یک مجموعه داده.

  تجزیه و تحلیل سرتاسری: پاکسازی ← EDA ← مدل سازی ← گزارش دهی.