درس یکم: کلیات آشنایی با معاملات الگوریتمی آشنایی با کتابخانههای با اهمیت در معاملات الگوریتمی(TaLib, NumPy, SciPy, pandas, matplotlib, statsmodels,) آشنایی با پلتفرمهای محبوب معاملات الگوریتمی درس دوم: مدیریت و پیشپردازش دادهها فراخوانی داده از پایگاههای داده معتبر (کار با APIها) پالایش و پیشپردازش دادهها (محاسبات بازده، حذف نویز، تحلیل همبستگی و …) ترسیم انواع نمودارهای مفید (سری زمانی، پراکندگی، نمودار شمعی و …) وب اسکراپینگ (Web Scraping) درس سوم: آشنایی با انواع استراتژیهای معاملات الگوریتمی استراتژیهای معاملاتی مبتنی بر تحلیل تکنیکال استراتژیهای معاملاتی مبتنی بر همبستگی خطی درس چهارم: بررسی کارایی استراتژیها (Strategy Testing) گرفتن بک تست (Back testing) برای بررسی میزان موفقیت الگوریتم برنامهنویسی شی گرا برای گرفتن بک تست بررسی کارایی الگوریتم به صورت زنده (Live Testing)
مبتدی: برای کسانی که می خواهند تازه شروع به یادگیری کنند
متوسط: برای کسانی که آشنایی دارند و تا حدی بلدند
حرفه ای: برای کسانی که بلدند ولی می خواهند بیشتر یاد بگیرند
مزایای یادگیری معاملات الگوریتمی