Xandrolvek logo
Xandrolvek Deep learning & prijsanalyse
Deep Learning · Prijsvoorspelling

Neurale netwerken die
prijzen begrijpen

Xandrolvek leert je hoe LSTM- en Transformer-architecturen echte marktdata verwerken. Van ruwe tijdreeksen naar bruikbare voorspellingsmodellen — stap voor stap.

Bekijk het leertraject
Voorbeelden van deep learning prijsmodellen

Xandrolvek begon als klein experiment: kon je mensen leren om neurale netwerken te trainen via interactieve online oefeningen? Het antwoord bleek ja — als je de theorie direct koppelt aan concrete datasets.

Onze cursisten werken met echte historische prijsdata van grondstoffen en aandelen. Geen gesimplificeerde voorbeelden, maar de rommelige werkelijkheid van marktdata.

Trainingsplatform Xandrolvek

Hoe het leertraject verloopt

Stap 01

Tijdreeksen voorbereiden

Je leert hoe je ruwe OHLCV-data normaliseert, missing values aanpakt en vensters bouwt die een model daadwerkelijk kan lezen.

Stap 02

LSTM-architectuur bouwen

Van een enkelvoudige cel naar gestapelde LSTM-lagen — je bouwt elk model zelf op en begrijpt wat er in elke laag gebeurt.

Stap 03

Validatie en foutanalyse

MAE, RMSE en directional accuracy zijn niet zomaar getallen. Je leert interpreteren wanneer een model goed genoeg is voor gebruik.

Stap 04

Interactieve toets en feedback

Elke module eindigt met een quiz waarbij je direct ziet waar je redenering afwijkt — en waarom dat ertoe doet.

Oefeningen met echte data

Deelneemster Ilse Verfaillie beschreef het zo: "Ik had al Python-kennis maar begreep niet waarom mijn model op trainingsdata goed scoorde en op testdata faalde." Die vraag staat centraal in onze module over overfitting.

Quizzen controleren niet alleen of je het goede antwoord kent — ze laten zien welke aanname je verkeerd hebt gemaakt.

Modules bekijken
Cursist werkt met interactieve oefeningen op het platform
Hands-on leren met marktdata

Wat je meeneemt

1
LSTM
Tijdreeksarchitectuur

Je traint LSTM-netwerken op historische prijsdata en begrijpt elke hyperparameter die je instelt.

2
MAE
Foutanalyse

Mean Absolute Error, RMSE en directional accuracy — je weet wanneer een model bruikbaar is en wanneer niet.

3
Walk-forward
Validatiestrategie

Walk-forward validatie voorkomt dat je een model bouwt dat alleen goed werkt op data die het al gezien heeft.

Een vraag stellen

Twijfel je of het programma aansluit bij je achtergrond? Stuur een bericht — we antwoorden binnen één werkdag in het Nederlands.

Adres Kloosterstraat 1, 8800 Roeselare