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)

Laster inn børsdata ved hjelp av `yfinance`-biblioteket i Python demonstreres. `yfinance` gir enkel tilgang til historiske aksjedata, noe som er essensielt for tidsserieprognoser som aksjeprisforutsigelser.

- **Hva er** `yfinance`: et Python-bibliotek som gir en enkel måte å laste ned historiske aksjedata fra Yahoo Finance. Det støtter ulike datapunkter som aksjepriser, volum og utbytte, og kan hente data for enkeltaksjer eller markedsindekser;
- **Installere `yfinance`**: før du bruker `yfinance`, må du installere biblioteket. Du kan installere det med pip:
```python
! pip install yfinance
```
- **Laste inn data**: 
```python
ticker = "GOOGL"  # Eksempel: Google aksjesymbol
  start_date = "2013-01-01"
  end_date = "2024-12-31"
stock_data = yf.download(ticker, 
start=start_date, end=end_date)
```

Hvilken av følgende kolonner er IKKE inkludert i dataene hentet fra yfinance?

Fokuserer utelukkende på rekursive nevrale nettverk (RNN) og deres anvendelse innen sekvensgenerering. Dette avanserte modulen dekker kjerneprinsippene for RNN og praktiske tilnærminger til modellering av sekvensielle data, og forbereder deg på praktisk arbeid med LSTM- og GRU-nettverk i Python.

Laster Inn Dataene