หลังจากเรียนคอร์สเหล่านี้ รู้สึกมั่นใจในการสร้างการแสดงผลข้อมูลและแดชบอร์ดระดับมืออาชีพ
Shoebur RahmanProcurement Specialist, Giz Bangladesh
รายละเอียดคอร์ส
หากต้องการนำทักษะ 'Python สำหรับ Data Science' ไปใช้กับข้อมูลทางการเงินจริง คอร์สนี้จะมอบเครื่องมือที่มีประโยชน์อย่างยิ่งให้
เริ่มต้นด้วยการเรียนรู้วิธีนำข้อมูลจาก Excel เข้าสู่ pandas และส่งออกกลับ จากนั้นจะได้เรียนรู้การดึงราคาหุ้นจาก API ออนไลน์ต่าง ๆ เช่น
Google หรือ Yahoo! Finance ข้อมูลเศรษฐกิจมหภาคจาก Federal Reserve และอัตราแลกเปลี่ยนจาก OANDA สุดท้ายจะได้เรียนรู้การคำนวณผลตอบแทนในช่วงเวลาต่าง ๆ
วิเคราะห์ผลการดำเนินงานของหุ้นแยกตามภาคส่วนสำหรับ IPO และคำนวณรวมถึงสรุปค่าสหสัมพันธ์
ข้อกำหนดเบื้องต้น
หลักสูตร
โครงร่างคอร์ส
1
การนำเข้าข้อมูลรายชื่อหุ้นจาก Excel
ในบทนี้จะได้เรียนรู้วิธีนำเข้า ทำความสะอาด และรวมข้อมูลจากชีตต่าง ๆ ในไฟล์ Excel เข้าสู่ DataFrame ของ pandas นอกจากนี้ยังได้ฝึกการจัดกลุ่มข้อมูล สรุปข้อมูลตามหมวดหมู่ และแสดงผลด้วยภาพโดยใช้ subplot และ heatmap
ข้อมูลที่ใช้เป็นข้อมูลบริษัทที่จดทะเบียนในตลาดหลักทรัพย์ NASDAQ, NYSE และ AMEX ซึ่งประกอบด้วยชื่อบริษัท สัญลักษณ์หุ้น มูลค่าตลาดและราคาล่าสุด กลุ่มอุตสาหกรรม และปีที่ IPO ในบทที่ 2 จะนำข้อมูลนี้ไปต่อยอดเพื่อดาวน์โหลดและวิเคราะห์ประวัติราคาหุ้นของบางบริษัท
- การอ่าน ตรวจสอบ และทำความสะอาดข้อมูลจาก CSV50 XP
- นำเข้าข้อมูลรายชื่อหุ้นจาก NASDAQ100 XP
- แก้ไขการนำเข้าข้อมูลอย่างไร?50 XP
- อ่านข้อมูลด้วย .read_csv() พร้อมอาร์กิวเมนต์การแปลงค่าที่เหมาะสม100 XP
- อ่านข้อมูลจากเวิร์กชีต Excel50 XP
- โหลดข้อมูลรายชื่อหลักทรัพย์จากชีตเดียว100 XP
- โหลดข้อมูลรายชื่อหลักทรัพย์จากสองชีต100 XP
- รวมข้อมูลจากหลายเวิร์กชีต50 XP
- โหลดข้อมูลรายชื่อทั้งหมดและวนซ้ำผ่านคู่ key-value ใน dictionary100 XP
- มีบริษัทจดทะเบียนอยู่บน NYSE และ NASDAQ กี่บริษัท?50 XP
- อัตโนมัติการโหลดและรวมข้อมูลจากหลาย worksheet ใน Excel100 XP
2
การนำเข้าข้อมูลทางการเงินจากเว็บ
บทนี้แนะนำการเข้าถึงข้อมูลออนไลน์จาก Google Finance และ Federal Reserve Data Service ผ่าน `DataReader` ของ `pandas` จะได้ดึงข้อมูล ปรับแต่งเบื้องต้น รวมชุดข้อมูล และแสดงผลลัพธ์ด้วยภาพ
3
การสรุปข้อมูลและแสดงผลด้วยภาพ
ในบทนี้จะได้เรียนรู้วิธีสรุปลักษณะสำคัญของตัวแปรแต่ละตัวด้วยค่าสถิติที่กระชับ ซึ่งจะช่วยให้เข้าใจการกระจายของตัวแปรในชุดข้อมูลได้ง่ายขึ้น ค่าใดคือค่ากลางหรือค่าที่พบบ่อยที่สุด? ข้อมูลกระจายตัวกว้างหรือกระจุกตัวอยู่รอบจุดกึ่งกลาง? มีค่าผิดปกติหรือไม่? และการกระจายโดยรวมมีรูปแบบอย่างไร?
4
การรวมกลุ่มและอธิบายข้อมูลตามหมวดหมู่
บทนี้แนะนำการจัดกลุ่มข้อมูลตามตัวแปรเชิงหมวดหมู่หนึ่งตัวหรือมากกว่า รวมถึงการคำนวณและแสดงสถิติสรุปสำหรับแต่ละหมวดหมู่ด้วยภาพ ในกระบวนการนี้จะได้เปรียบเทียบสถิติของบริษัทในภาคส่วนต่าง ๆ และกลุ่มปีที่ IPO วิเคราะห์การกระจายรายได้ทั่วโลกตามช่วงเวลา และเรียนรู้การสร้างกราฟสถิติหลายรูปแบบจากไลบรารี seaborn
การนำเข้าและจัดการข้อมูลทางการเงินใน Python
เรียนคอร์สจบแล้ว
