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)

Att ladda börsdata med hjälp av biblioteket `yfinance` i Python demonstreras. `yfinance` ger enkel åtkomst till historisk aktiedata, vilket är avgörande för tidsserieprognoser såsom aktieprisprognoser.

- **Vad är** `yfinance`: det är ett Python-bibliotek som tillhandahåller ett enkelt sätt att ladda ner historisk aktiedata från Yahoo Finance. Det stöder olika datapunkter såsom aktiepriser, volymer och utdelningar, och kan hämta data för enskilda aktier eller marknadsindex;
- **Installera `yfinance`**: innan du använder `yfinance` behöver du installera biblioteket. Du kan installera det med pip:
```python
! pip install yfinance
```
- **Ladda data**: 
```python
ticker = "GOOGL"  # Exempel: Googles aktieticker
  start_date = "2013-01-01"
  end_date = "2024-12-31"
stock_data = yf.download(ticker, 
start=start_date, end=end_date)
```

Vilken av följande kolumner ingår INTE i datan som hämtas från yfinance?

Fokuserar uteslutande på rekurrenta neurala nätverk (RNN) och deras tillämpning för sekvensgenerering. Denna avancerade modul täcker den grundläggande teorin om RNN samt praktiska metoder för modellering av sekventiell data, och förbereder dig för praktiskt arbete med LSTM- och GRU-nätverk i Python.

Laddar In Data