Am Ende dieses Kurses werden die Teilnehmer in der Lage sein, die Grundlagen des Deep Learning zu erkennen, Börsendatensätze zu analysieren, Techniken zur Vorverarbeitung und Skalierung von Merkmalen anzuwenden, ein Rekurrentes neuronales Netz (RNN) mit LSTM-Schichten zu entwickeln und Vorhersagen anhand realer Finanzdaten zu bewerten. Dieser praxisorientierte Kurs führt die Teilnehmer durch den gesamten Prozess der Erstellung eines Aktienkursprognosemodells mit Python. Beginnend mit der Einrichtung der Umgebung und der Erkundung von Datensätzen lernen die Teilnehmer, wie man Daten vorverarbeitet, eine explorative Datenanalyse durchführt und Transformationen anwendet, um die Eingaben für Deep Learning Modelle vorzubereiten. Anschließend wird ein rekurrentes neuronales Netzwerk konstruiert und trainiert, das LSTM-Schichten nutzt, um sequentielle Abhängigkeiten in Aktienkursen zu erfassen. Die Kursteilnehmer testen Vorhersagen auf unbekannten Daten und visualisieren die Ergebnisse, um die Modellgenauigkeit zu interpretieren. Was diesen Kurs so einzigartig macht, ist sein praktischer, projektbasierter Ansatz - anstelle von abstrakter Theorie ist jeder Schritt mit realen Aktienkursdaten von Apple verbunden. Egal, ob Sie ein Anfänger in der Datenwissenschaft sind oder sich auf Zeitreihenprognosen spezialisieren möchten, dieser Kurs vermittelt Ihnen die Fähigkeiten, Deep Learning Modelle sicher auf finanzielle Vorhersagen und darüber hinaus anzuwenden.