Uczenie maszynowe w finansach: Od teorii do praktyki

Opinie czytelników

Książka „Machine Learning in Finance” jest wysoko ceniona za kompleksowe omówienie technik uczenia maszynowego istotnych dla branży finansowej, łącząc koncepcje teoretyczne z praktycznymi zastosowaniami. Jest chwalona za jasny język i uporządkowane podejście, dzięki czemu jest odpowiednia zarówno dla studentów, jak i profesjonalistów. W niektórych recenzjach zauważono jednak, że może w niej brakować wystarczającej liczby rzeczywistych studiów przypadków, a jej teoretyczne podejście może nie przypaść do gustu wszystkim praktykom.

Wyczerpujące omówienie istotnych pojęć, szczegółowe wyjaśnienie modeli, solidne podstawy teoretyczne, praktyczne przykłady kodowania w Pythonie, odpowiednie zarówno dla studentów, jak i profesjonalistów z branży finansowej, wciągające wizualnie rysunki i ćwiczenia.

Nieco teoretyczna z ograniczonymi rzeczywistymi zastosowaniami, może nie być dopracowana jako pierwsze wydanie, nie jest idealna dla osób poszukujących nauki stosowanej bez głębokiej treści teoretycznej.

(na podstawie 35 opinii czytelników)

Oryginalny tytuł:

Machine Learning in Finance: From Theory to Practice

Zawartość książki:

Rozdział 1. Wprowadzenie.

- Rozdział 2. Modelowanie probabilistyczne. - Rozdział 3.

Regresja bayesowska i procesy gaussowskie.

- Rozdział 4. Sieci neuronowe typu feed forward.

- Rozdział 5. Interpretowalność. - Rozdział 6.

Modelowanie sekwencji. - Rozdział 7. Probabilistyczne modelowanie sekwencji.

- Rozdział 8. Zaawansowane sieci neuronowe.

- Rozdział 9. Wprowadzenie do uczenia ze wzmocnieniem. - Rozdział 10.

Zastosowania uczenia ze wzmocnieniem.

- Rozdział 11. Odwrotne uczenie ze wzmocnieniem i uczenie przez naśladowanie. - Rozdział 12.

Granice uczenia maszynowego i finansów.