Talentra Flowna logo
Globalna edukacja bez barier technologicznych

Materiały do nauki gotowe do użycia

Sprawdź zestaw zasobów przygotowanych specjalnie pod szkolenie z ML w finansach. Wszystko co potrzebujesz w jednym miejscu — od wykładów po praktyczne zadania.

Notatki z wykładów i dokumentacja techniczna
Notatki

Pełne notatki z wykładów

Spisane wypowiedzi i komentarze do slajdów. Każdy wykład ma swoją wersję tekstową z przykładami i dodatkowymi wyjaśnieniami. Przydatne, żeby odświeżyć sobie konkretny temat.

PDF
24 pliki
Praktyczne ćwiczenia programistyczne z rozwiązaniami
Kod

Przykładowe rozwiązania zadań

Gotowe implementacje dla każdego zestawu ćwiczeń. Możesz sprawdzić swoje podejście albo zobaczyć alternatywne warianty rozwiązania tego samego problemu. Wszystko z komentarzami.

Python
18 notebooks
Datasety

Rzeczywiste dane rynkowe

Zestawy danych z giełd, notowań obligacji i kryptowalut. Już wyczyszczone i przygotowane do pracy. Są też skrypty do pobrania świeżych danych, jeśli będziesz chciał coś przetestować na żywo.

CSV
12 zbiorów
Biblioteki

Environment setup

Lista wszystkich potrzebnych bibliotek z numerami wersji. Gotowy plik requirements.txt plus instrukcja, jak skonfigurować środowisko lokalnie albo w chmurze. Działa z Anaconda i venv.

Config
4 pliki
Dokumentacja

Linki do zewnętrznych źródeł

Wybrane artykuły, papers i tutoriale, które rozwijają tematy z kursu. Skupione na praktycznych zastosowaniach ML w tradingu i analizie ryzyka. Jest też kilka dobrych blogów.

Online
36 linków
Dodatkowe

Cheat sheets i wskazówki

Szybkie referencje dla numpy, pandas, scikit-learn i matplotlib. Podsumowania kluczowych funkcji, typowych pułapek i sprawdzonych praktyk. Jeden arkusz A4 na bibliotekę.

PDF
8 plików

Jak korzystać z materiałów

Możesz podejść do tego na kilka sposobów. Większość ludzi zaczyna od notatek, ale niektórzy wolą od razu wejść w kod. Wybierz to, co działa dla Ciebie.

1

Przejrzyj notatki

Zacznij od przeczytania notatek z wykładu, który Cię interesuje. Są tam wszystkie koncepcje wyjaśnione słowami plus przykłady.

2

Otwórz notebook

Weź odpowiedni Jupyter notebook i spróbuj powtórzyć kod. Zmień parametry, zobacz co się dzieje.

3

Testuj na danych

Użyj gotowych datasetów albo zaciągnij swoje. Sprawdź, jak zachowuje się model na różnych zbiorach.

4

Porównaj rozwiązania

Jak skończysz zadanie, zobacz przykładowe rozwiązanie. Może znajdziesz lepsze podejście albo jakiś trick.

Formaty i dostępność

Wszystkie materiały są w formatach, które łatwo otworzyć i z którymi można pracować. Większość rzeczy to PDF-y albo notebooki, więc nie potrzebujesz żadnych specjalnych narzędzi.

Pobierz wszystko naraz

Jeden plik ZIP z całym kursem. Możesz mieć kopię offline i pracować bez internetu.

Synchronizacja przez Git

Wszystkie materiały są w repozytorium. Możesz sklonować repo i będziesz miał dostęp do aktualizacji.

Przeglądaj online

Notebooki możesz otworzyć w przeglądarce przez Google Colab. Nie musisz instalować niczego lokalnie.

Wsparcie techniczne

Jeśli coś nie działa albo masz pytania o setup, napisz. Pomagamy rozwiązać problemy z konfiguracją.

Dostosuj swoje preferencje danych
Nasza platforma przechowuje pewne informacje, aby działać sprawnie. Możesz wybrać, które kategorie akceptujesz. Decyzja jest Twoja.
Analityka wydajności
Personalizacja treści