本套课程摩根纽约总部量化女神手把手教你学python机器学习与量化交易，python是一种为提高开发速度而设计的高级语言。它拥有大量的库，可用于几乎任何可以想象的计算任务，也是在资产管理和投资银行社区获得更广泛的应用。而且python相比其它编程语言，简单易学非常容易上手，本套课程主要教大家如果学习学python机器学习与量化交易，而且还有面试部分内容，助力大家快速进入量化交易行业，本套课程共16节， 共计3.1G，文章底部附下载地址。
课程目标：
1. 熟练掌握Python语言;
2.掌握Python金融数据处理分析技能;
3.基本量化交易策略学习与Python实现;
4.机器学习理论与Python实现;
5.机器学习于量化交易的应用与Python程序化实现;
6.掌握投行Python衍生品定价;
7.传授面试求职技巧, 改进简历，如何在求职面试中求胜。
本次课程适合的人群:
-金融工程专业背景的同学/工作人士，希望能够在课本之外工作之余进一步了解Python在金融市场的实战应用；
-非金融工程专业背景的同学/工作人士，希望能够系统性了解量化投资以及在投资中的实际应用 ；
-在证券公司/基金/银行/期货公司/交易所等相关领域工作的职场人士，希望进一步提升自己的竞争力；
-希望通过学习系统掌握量化投资相关的实务技能，为后续跳槽/转行做必要的知识技能准备与提升。
课程目录：V-81678：摩根纽约总部量化女神手把手教你学Python机器学习与量化交易[3.1G]
00基本预测.mp4
第01节-简介与Python安装.mp4
第01节-Python数据结构.mp4
第02节-Python for Finance 常用packages 学习I.mp4
第03节-Python for Finance 常用packages 学习 II.mp4
第04节-金融数据建模与预测-风险测度因子.mp4
第05节-事件驱动的交易策略和实施.mp4
第05节-Parameter optimization（参数优化）.mp4
第06节-贝叶斯估计.mp4
第06节-贝叶斯例子和线性模型.mp4
第06节-贝叶斯随机波动率.mp4
第07节-金融时间序列分析-I.mp4
第08节-金融时间序列-II-卡尔曼滤波.mp4
第08节-金融时间序列-II-协整性.mp4
第08节-金融时间序列-II-Hidden Markov Models.mp4
第08节-金融时间序列-II-state model.mp4
第09节-决策树.mp4
第09节-线性回归.mp4
第09节-boosting&bagging.mp4
第09节-shrinkage regression.mp4
第10节-逻辑回归.mp4
第10节-判别分析.mp4
第10节-SVM 和交叉验证的模型选择.mp4
第11节- Neural network.mp4
第11节-主成分分析.mp4
第11节-Introduction to Clustering.mp4
第12节-机器学习于量化交易中的应用IV.mp4
第13节 Python for ODE PDE numerical methods (Python for 偏微分方程数值解).mp4
第14节 美式期权和欧式期权定价.mp4
第15节 常见蒙特卡罗方差降低方法与期权定价.mp4
第15节 信用风险的IRC模型和高斯核.mp4
第15节 重点抽样级数和测度变化.mp4
第16节 简历和面试II.mp4
第16节 面试I.mp4
