Разберитесь, как работают технологии машинного обучения, и научитесь пользоваться ими осознанно.

Четырёхнедельный онлайн-курс о том, как строить распределённые сервисы. Мы простым языком расскажем о DDD и об архитектуре больших систем. По итогам курса вы спроектируете распределённую систему, которую положите в портфолио как Software Architect. Компании, которые уходят от монолитной архитектуры к сервисной и микросервисной, часто терпят поражение — получают такой же монолит, только разбитый по нескольким репозиториям.

В современном мире тестирование API становится неотъемлемой частью тестирования продукта в целом. Если раньше приложение взаимодействовало только со своим сервером, то в наши дни ни одно приложение не обходится без общения с сервисами метрик, социальными сетями и другими приложениями. Это общение происходит через API.

Рассмотреть решение главных задач, возникающих при создании Single Page Application, таких как построение архитектуры приложения, работа с пользователями и авторизационными токенами, server side rendering и т.п. Для продуктивного участия желательно прохождение базового курса по Vue. Однако, если вы уже знакомы с основами работы с vuex, vue-router, axios или fetch, можно начинать с текущей ступени.

Весь материал преподносится максимально просто и доступно, мы ценим ваше время, поэтому видео не содержат воды и нацелены на то, чтобы вы быстро смогли изучить материал. Кроме того, данный курс сможет пройти как новичок так и профессионал, так как мы рассматриваем саму технологию и все возможности, которые она предоставляет. Для того, чтобы успешно его пройти, вам необходимы минимальные знания Python.

В этом курсе вы научитесь программировать стратегии с нуля. Действительно, после ускоренного курса по Python вы узнаете, как реализовать стратегию, основанную на одном из наиболее часто используемых технических индикаторов: RSI. Вы также узнаете, как комбинировать стратегии для оптимизации соотношения риск / доход, используя методы портфеля, такие как оптимизация портфеля Сортино, оптимизация минимальной дисперсии и оптимизация эксцесса среднего отклонения.