Summary  
This chapter demonstrates how to use a third-party Python library to programmatically fetch historical time-series data by specifying an asset identifier and date range, and load it into a structured data object.

General domain of usage  
Financial time-series analysis (e.g., stock price forecasting)

Indlæsning af børsdata ved hjælp af `yfinance`-biblioteket i Python demonstreres. `yfinance` giver nem adgang til historiske aktiedata, hvilket er essentielt for tidsserieprognoser såsom aktiekursforudsigelse.

- **Hvad er** `yfinance`: det er et Python-bibliotek, der giver en nem måde at downloade historiske aktiedata fra Yahoo Finance. Det understøtter forskellige datapunkter såsom aktiekurser, handelsvolumen og udbytter, og kan hente data for individuelle aktier eller markedsindeks;
- **Installation af `yfinance`**: før du bruger `yfinance`, skal du installere biblioteket. Du kan installere det med pip:
```python
! pip install yfinance
```
- **Indlæsning af data**: 
```python
ticker = "GOOGL"  # Eksempel: Google aktieticker
  start_date = "2013-01-01"
  end_date = "2024-12-31"
stock_data = yf.download(ticker, 
start=start_date, end=end_date)
```

Hvilken af følgende kolonner er IKKE inkluderet i de data, der hentes fra yfinance?

Fokus udelukkende på rekursive neurale netværk (RNN'er) og deres anvendelse til sekvensgenerering. Dette avancerede modul dækker den grundlæggende teori om RNN'er samt praktiske tilgange til modellering af sekventielle data og forbereder dig på praktisk arbejde med LSTM- og GRU-netværk i Python.

Indlæsning af Data