Xurvokel логотип
Xurvokel ML & Portfolio Analytics
Визуализация кластерного анализа портфеля — Xurvokel
Каталог курсов

Машинное обучение
в кластерном
анализе портфелей

Набор структурированных курсов от Xurvokel охватывает практические методы ML — от базовой сегментации активов до многомерной кластеризации. Каждый модуль строится на реальных данных и сразу проверяется через интерактивные задания.

Все программы О платформе
14
Курсов в каталоге
6
Уровней сложности
3 200+
Участников прошло обучение
4,7
Средняя оценка курсов

01 Учебные программы

Курсы сгруппированы по сложности — от первого знакомства с данными до реализации полного пайплайна кластеризации.

Полный курс по кластерному анализу с применением scikit-learn
Продвинутый

Кластеризация инвестиционных портфелей: от теории к рабочему коду

Курс разбирает полный цикл — загрузку и очистку рыночных данных, выбор метрик близости, запуск K-Means, DBSCAN и иерархической агломерации, интерпретацию дендрограмм и силуэтных коэффициентов. Задания основаны на исторических котировках.

48 часов 12 практических заданий Python, scikit-learn
Подробнее о курсе
Введение в методы машинного обучения без учителя
Начальный

Обучение без учителя: первые шаги

Краткий вводный модуль: зачем нужна кластеризация, чем она отличается от классификации, и какие задачи она решает в анализе данных.

Открыть курс
Снижение размерности и визуализация — PCA и UMAP
Средний

Снижение размерности: PCA, t-SNE, UMAP

Как сжать многомерное пространство признаков без потери структуры и визуально проверить, что кластеры имеют смысл.

Открыть курс
Структура платформы

Как устроено обучение на практике

Каждый курс сочетает теоретические материалы с немедленной проверкой — интерактивные задания, автоматическая обратная связь и геймифицированные квизы встроены прямо в модуль. Прогресс сохраняется между сессиями.

О платформе

Квизы с мгновенной проверкой

Правильный ответ объясняется сразу после выбора — без ожидания окончания теста.

Учёба в любое время

Доступ к материалам без расписания — каждый проходит курс в собственном темпе.

Трекинг прогресса

Личный кабинет показывает завершённые модули, результаты заданий и общий балл.

Баллы и достижения

Геймифицированная система очков мотивирует завершать блоки и возвращаться к платформе.

программа

02 Что входит в каждый курс

Содержание разбито по тематическим блокам — каждый блок можно открыть, чтобы увидеть, что именно изучается. Несколько блоков могут быть открыты одновременно.

Работа с временными рядами котировок, нормализация признаков, обработка пропусков и выбросов — обязательная основа перед любым алгоритмом кластеризации. Разбирается формат данных от реальных провайдеров.
  • Загрузка CSV и JSON
  • Z-score и MinMax нормализация
  • Обработка NaN-значений
  • Скользящие окна признаков
Детальный разбор трёх основных методов: K-Means с методом локтя, DBSCAN с настройкой epsilon, иерархическая агломерация с Ward-linkage. Каждый метод запускается вручную и сравнивается по метрикам.
  • K-Means и выбор K
  • DBSCAN без заданного числа кластеров
  • Ward, Complete, Average linkage
  • Дендрограммы и порог разрезания
Как понять, что кластеры имеют реальный смысл, а не являются артефактом алгоритма. Силуэтный коэффициент, Davies-Bouldin Index и визуальная инспекция через снижение размерности.
  • Silhouette score
  • Calinski-Harabasz Index
  • Davies-Bouldin Index
  • Визуализация через PCA
Финальный блок — как перевести метки кластеров в аналитические выводы. Разбираются примеры: распределение активов по группам, сравнение поведения кластеров при просадке рынка и стресс-тесты.
  • Профилирование кластеров
  • Корреляция внутри групп
  • Ребалансировка по кластерам
  • Отчётность для портфельного управления
Формат прохождения

Параметры типового курса

Каждый курс рассчитан на самостоятельное прохождение без фиксированного расписания. Задания отправляются на автоматическую проверку — результат виден сразу. Сертификат формируется по итогам финального теста при наборе не менее 70 баллов из 100.

Платформа работает с 2017 года. За это время структура курсов менялась несколько раз на основе обратной связи от участников — нынешний формат сложился к 2022 году и с тех пор остаётся стабильным.

Доступен сейчас

Кластерный анализ портфелей — уровень «Продвинутый»

Длительность
48 часов
Заданий
12 практических
Квизов
9 тестов
Оценка
4,8 / 5,0
Проходной балл
70 из 100
Запись на курс

Оставьте заявку — мы пришлём детали

Если программа вас интересует, заполните форму. В ответ придёт письмо с описанием старта, техническими требованиями и ссылкой для доступа к первому модулю.