【最后1天优惠】王圣元讲Python：超30小时细致讲解与8大金融案例 / 开普饭

我们平台的视频课程都是自己的讲师+自己的原创内容，唯一的例外就是王圣元的两门Python课程，之前是刚刚引进，所以一直以非常优惠的价格给大家，从明天起就要恢复原价了，下面是讲师与两门Python课程的介绍。

作者介绍

首先来介绍一下视频课作者，只有拥有原创能力的作者才可能讲出好的课程。

本视频课作者为王圣元 (FRM, CAIA)，新加坡某金融咨询公司总监，新加坡国立大学金融数学硕士，新加坡国立大学量化金融学士。

《王的机器》公众号号主，已出版书籍《快乐机器学习》，即将出版书籍《Python - 金工, 机学, 可视化》。

关于书籍和公众号的介绍，大家可以关注作者公众号了解，下面重点介绍本课程内容。

Python基础篇

第1门课程为Python基础篇，共计11课，约12个小时。

在人工智能和深度学习领域，Python语言是必须掌握的，几乎所有的开源框架都基于Python接口，数据获取与整理需要用到Python，市面上Python教程众多，但良莠不齐，本次我们推荐一门适合新手学习的高质量Python视频教程，下面请听介绍。

课程内容包括编程概论，数据，流程，函数，对象和类，高级特征共6大部分，如下脑图。

从下面动图可看出每个点的更多细节。

市面上免费或低价的Python课那么多，为什么我们要推荐这门课呢，原因有以下几点：

(1) 故事化（dramatize）的教学方式，可以引人入迷，更容易接受知识。

故事总是比代码更能让人感兴趣，以 Python 的难点「装饰器」为例，如果一上来就给装饰器的代码 @decorate_function，没有多少人能坚持学下去的。但是如果将它赋予故事呢？

故事开始：斯蒂文是个厨师，有一天开始研究汉堡 (burger) 的做法，第一次他只用鸡肉饼做汉堡。

def meat(food='--鸡肉饼--'):

print(food)
burger = meat

burger()

输出为：

--鸡肉饼--

很明显汉堡都是肉，太荤了。加点蔬菜如何？

def vegetable(func):

def wrapper():

print(' ~西红柿~')

func()

print(' ~沙拉菜~')

burger = vegetable(meat)

burger()

输出为：

~西红柿~
--鸡肉饼--
~沙拉菜~

现在汉堡看起来不错，可是好像看缺少了什么？对，再加点面包就好了。

def bread(func):

def wrapper():

print('</------\>')

func()

print('<\------/>')

return wrapper

burger = bread(vegetable(meat))

burger()

输出为：

</------\>
~西红柿~
--鸡肉饼--
~沙拉菜~
<\------/>

故事结束：现在看上去真像汉堡，面包夹着蔬菜，蔬菜夹着肉。面包和蔬菜「装饰」着鸡肉饼，bread() 和 vegatable() 这两个函数起着「装饰器」的作用，它们没有改变 meat() 函数，只在它的基础上添砖加瓦，最后把鸡肉饼装饰成汉堡。通过故事化的讲述方式，读者往往会有更加深刻的体验；

(2) 可视化的丰富案例，一图胜千言，人是感官动物，从图表中接收的信息绝对比从文字快，而且可视化可以增强记忆。

在学习高阶函数 map, filter, reduce 的时候，绝大教材都会直接上代码这样举例：

lst = [1, 2, 3, 4, 5]

map_iter = map( lambda x: x**2, lst )

list(map_iter)

f_iter = filter( lambda x: x%2==1, lst )

list(f_iter)

from functools import reduce

reduce( lambda x,y: x+y, lst )

虽然可以看懂，但是总觉得不直观。再看看作者是如何来「可视化」这三个函数的。

我们看着 Emoji，很自然的就能读懂

这样是不是秒懂 map, filter 和 reduce 了？类似的案例非常多，甚至于列表解析式都可以可视化，整个学习过程非常养眼；

(3) 抽象化，从具体问题能抽出本质是一种很重要的能力，人一旦会举一反三才算会学习。

以格式化字符串举例，一般有四种方法：

用 % 字符

用 $ 字符

用 format 函数

用 f-string

如果光看例子，那真是千奇百怪，但透过例子看本质，每种方法都有通用的语法格式，如下图总结。

课程订阅方式如下，学习时间永久有效，当前课程定价为199元，明日（7月1日）起价格调整为299元。

Python金融篇

第2门课程为Python金融篇，共计11课，约20多个小时。

Python是金融行业的重要工具，当前已经包含了8大金融行业的实际案例进行实践，而且明天就要添加新的案例，目录如下：

课程内容包括numpy，pandas，scipy，8大案例，包含时间序列探索股票数据、从Tick到Bar采样高频数据、商业银行-计量信用组合经济资本、模型转变-负利率和负油价、固定收益-构建债券收益率曲线、投资银行-蒙特卡洛定价百慕大期权、私募券商-有限差分定价雪球、私人银行-外汇交易组合保证金制定八大金融案例。

numpy内容思维导图

pandas内容思维导图

scipy内容思维导图

市面上免费或低价的Python课那么多，为什么我们要推荐这门课呢，原因有以下几点：

(1) 先看看他的学习思路和教课理念，看是不是符合你的胃口。

有个人可能会问 NumPy-Pandas-SciPy 不都是免费资源吗，为什么还要花钱来上课？没错，讲师也是参考了大量书籍、优质博客和付费课程中汲取众多精华，才打磨出来的前几节基础课。

WHY：为什么会有三者？

每一个工具包的创建必是解决痛点。

WHAT：三者是什么？

NumPy 和 Pandas 是数据结构
SciPy 是基于 NumPy 添加的功能。

HOW：怎么去学三者？

对于数据结构，无非从“创建-存载-获取-操作”这条主干线去学习，当然面向具体的 NumPy 数组和 Pandas 数据帧时，主干线上会加东西。
对于功能，无非从它能干什么而目的导向去学习，比如如何插值，如何积分，如何优化，等等。

HOW WELL：怎么学好三者？

需要你们用心去学（必要条件）
需要我用心去准备（充分条件）

(2) 课程中的八大案例是基于讲师做过的真实项目

八大案例有的是讲师亲自为客户做过的项目 (当然讲出来的时候会修改数据)，有的是私募的朋友要发行产品让讲师帮其估值，有的是业界 best practice。最值钱的是这些案例，除了将 NumPy, Pandas 和 SciPy 应用在金融上，你还能学到各种关于产品定价、风险管理、量化投资等金融工程的知识。只要你们认真学习这些案例，听完之后可以做很多金融从业者做的事情了。

案例1 时间序列探索股票数据