ह्या प्रोजेक्ट आपण अनेक मशीन लर्निंग अल्गोरिथम्सचा अभ्यास/वापर एका विशिष्ट समस्येवर कसा लागू होतो आणि त्याचे उत्तर काय मिळते ह्यासाठी आहे.मशीन लर्निंग मॉडेल विकसित झाल्यावर त्याच्या माघे कोण कोणत्या सर्व प्रक्रिया विकसित होतात हे दाखवायचे आहे. म्हणजे सार्वजनिक डेटा स्रोताकडून डेटा कसा मिळविला जातो, तो कसा प्रीप्रोसेस्ड केला जातो, कसा ट्रान्सफॉर्म केला जातो आणि नंतर काही मशीन लर्निंग मॉडेल्सना तो कसा दिला जातो, जे आउटपुट देतात जे नंतर निर्णय घेण्यासाठी वापरले जातात, ह्याचे सर्व ज्ञान आपल्याला इथे मिळेल. [ज्युपिटर नोटबुक] (https://jupyter.org) च्या माध्यमातून [पायथन 3] (https://www.python.org) मध्ये लागू केलेल्या व्यावहारिक उदाहरणासह प्रत्येक गोष्ट पायरी-पायरी ने दर्शविली आहे.

मी हा प्रोजेक्ट विश्वासार्ह आणि आव्हानात्मक बनविण्यासाठी शेअर बाजारातील वेळेच्या मालिकेच्या दैनंदिन ऐतिहासिक कोटांवर आधारित डेटाचा वापर केला आणि मशीन लर्निंगच्या मदतीने कधी व्यापार करायचे की नाही याचा निर्णय घेता येतो हे दाखविले आहे. संपूर्ण प्रोजेक्ट साठी एकच समस्या देण्यात आली आहे, आणि ती वेगवेगळ्या मशीन लर्निंग अल्गोरिथम्ससह मॉडेल केली जाईल. विशेषतः, इन्फोसिसच्या (INFY) स्टॉक्सची खरेदी विक्री करायची. इन्फोसिस चे स्टॉक्स एक एक्सचेंज ट्रेडेड फंड(ETF) आहेत, आणि एसएंडपी 500 (S&P 500) इंडेक्सशी निगडित आहेत. स्टॉक मार्केट खाते असलेले कोणीही इन्फोसिसचा (INFY) वाटा विकत घेण्यास सक्षम आहे आणि गुंतवणूकीच्या कालावधीत त्याचे एस एंड पी 500 च्या परफॉरमन्स इतकेच परतावा असेल. इन्फोसिस INFY) एक व्यवहारयोग्य मालमत्ता आहे आणि कोट्स याहू फायनान्सवर डाउनलोड केले जाऊ शकतात.

All the project code is located onGitHub

PinnedLoading

1. awesome-CoreML-modelsawesome-CoreML-modelsPublic

   Forked fromSwiftBrain/awesome-CoreML-models

   Collection of models for Core ML

2. Churn-Modelling-Artificial-Neural-NetworkChurn-Modelling-Artificial-Neural-NetworkPublic

   Forked fromalimpolat/Churn-Modelling-Artificial-Neural-Network

   Using an afticial neural network to predict customers who leave the bank.

   Python

3. NLP-Models-TensorflowNLP-Models-TensorflowPublic

   Forked frommesolitica/NLP-Models-Tensorflow

   Gathers machine learning and Tensorflow deep learning models for NLP problems

   Jupyter Notebook