چکیده:
تحلیل سیستم های پیچیده، مانند بازارهای مالی، حوزه ای از علم است که به علت پیچیدگی بیش از حد، قابل تحلیل با ابزارهای رایج نبوده و به همین علت مورد توجه دانشمندان علم داده و یادگیری ماشین قرار گرفته است. دانشگاه های معتبر جهان، در دوره دکتری، پژوهش هایی در این حوزه انجام می دهند.
در این کارگاه میخواهیم به توسعه یک سامانه مبتنی بر یادگیری ماشین بپردازیم که به تحلیل بازارهای مالی می پردازد. طی نمودن فرآیند داده کاوی شامل استخراج ویژگی، پیش پردازش، انتخاب ویژگی، مدلسازی، ارزیابی مدل، تجمیع مدل ها و ایجاد ابرمدل و .... از جمله ویژگی های این کارگاه تئوری/عملی است.
----------------------------------------------------------------------------------
اهداف کارگاه:

----------------------------------------------------------------------------------
سرفصل مطالب:

• آشنایی با بازارهای مالی، قیمت، اندیکاتورها و استراتژی های معاملاتی
• استخراج ویژگی: دریافت اطلاعات بازار و استخراج ویژگی های مورد نظر 
• انتخاب ویژگی: انتخاب برخی از بهترین ویژگی های مورد نیاز با توجه به اهداف
• دسته بندی: آشنایی تئوری و عملی با دسته بندی
• ارزیابی مدل دسته بند: آشنایی با نحوه ارزیابی مدل های دسته بند(استفاده از روش های رگولاریزیشن و بررسی عدم بیش/کم برازش مدل، سنجش قابلیت تعمیم مدل)
• رگرسیون: آشنایی تئوری و عملی با رگرسیون
• ارزیابی مدل رگرسیون: آشنایی با معیارهای ارزیابی مدل رگرسیون
• انتخاب مدل: انتخاب بهترین مدل ها (model selection) از بین مجموعه مدل های ایجاد شده
• ایجاد ابرمدل: روش های تجمیع مدل های یادگیری جهت بهره برداری بهتر از نتایج چند مدل
• ارزیابی نهایی ابر مدل و نحوه استفاده از آن در بازار