Prijsvoorspelling door data
Financiële markten veranderen snel. Traditionele methoden missen vaak de patronen die bepalend zijn voor prijsbewegingen.
Yoldraken ontwikkelt sinds 2023 deep learning-tools die prijsdata omzetten in concrete voorspellingen. Onze trainingen leggen uit hoe neurale netwerken werken, welke architecturen geschikt zijn voor tijdreeksanalyse en hoe je modellen traint zonder overfitting.
Praktische kennis boven theoretische concepten
De meeste cursussen over machine learning blijven hangen in wiskundige formules. Wij leren deelnemers modellen te bouwen die daadwerkelijk bruikbaar zijn.
Elke les behandelt een specifiek probleem: van het voorbereiden van historische koersdata tot het optimaliseren van hyperparameters in LSTM-netwerken. Je werkt met échte datasets en test je voorspellingen tegen marktbewegingen.
De training duurt zes weken. Je leert Python-bibliotheken kennen, schrijft eigen trainingsscripts en evalueert modeluitkomsten. Na afloop kun je zelfstandig prijsvoorspellingsmodellen ontwikkelen.
Liesbeth Temmerman
Machine learning engineer
Noor Vandenberghe
Data scientist
hebben deze training voltooid sinds de lancering
Elke groep bestaat uit maximaal acht personen. Dat zorgt voor voldoende ruimte om individuele vragen te beantwoorden en code samen door te nemen. Ongeveer de helft van de deelnemers werkt al met data, de andere helft komt uit een andere achtergrond.
Elke sessie behandelt één techniek
De eerste twee weken richten zich op data-preprocessing: hoe maak je een dataset geschikt voor neurale netwerken, hoe normaliseer je prijzen en hoe splits je trainings- en testdata.
Week drie en vier gaan over netwerkarchitecturen. Je bouwt een eenvoudig feedforward-netwerk, vergelijkt het met een LSTM en test verschillende activatiefuncties.
De laatste twee weken evalueer je modelprestaties. Je leert loss-curven interpreteren, overfitting herkennen en hyperparameters bijstellen. Tegen het einde van de training heb je een werkend model dat voorspellingen genereert.