Uczenie maszynowe w finansach: Przewodnik dla początkujących po uczeniu maszynowym w bankowości i finansach

Opinie czytelników

Obecnie brak opinii czytelników. Ocena opiera się na 7 głosach.

Oryginalny tytuł:

Machine Learning for Finance: Beginner's Guide to Explore Machine Learning in Banking and Finance

Zawartość książki:

Zrozumienie podstaw uczenia maszynowego i jego wpływu na sektor finansowy.

Kluczowe cechy.

⬤ Poznanie spektrum uczenia maszynowego i jego zastosowania.

⬤ Zrozumienie NLP i wizji komputerowej oraz ich przypadków użycia.

⬤ Zrozumienie sieci neuronowych, CNN, RNN i ich zastosowań.

⬤  Zrozumienie Reinforcement Learning i jego zastosowań.

⬤ Poznanie rosnących zastosowań uczenia maszynowego w sektorze finansowym.

⬤  Ekspozycja na eksplorację danych, wizualizację danych i analizę danych.

Opis.

Dziedziny adaptacji obróbki, głębokiego uczenia się i skomputeryzowanego rozumowania szybko się rozwijają i prawdopodobnie będą się rozwijać jeszcze przez długi czas. Istnieje wiele głównych przyczyn takiego stanu rzeczy, co zostało szybko uchwycone w niniejszym przeglądzie. Od czasu do czasu postęp był emocjonalny, otwierając nowe sposoby radzenia sobie z długotrwałymi wyzwaniami związanymi z innowacjami, na przykład postępami w zakresie widzenia komputerowego i badania obrazu.

Książka pokazuje, jak rozwiązać niektóre z najczęstszych problemów w branży finansowej. Książka odnosi się do rzeczywistych problemów, z którymi na co dzień borykają się praktycy. Książka wyjaśnia, w jaki sposób uczenie maszynowe działa na danych strukturalnych, tekstach i obrazach. Zapoznamy się z metodami Na ve Bayesa, rozkładem normalnym, grupowaniem za pomocą procesu Gaussa, zaawansowanymi sieciami neuronowymi, modelowaniem sekwencji i uczeniem ze wzmocnieniem. Późniejsze rozdziały omawiają przypadki użycia uczenia maszynowego w sektorze finansowym i implikacje głębokiego uczenia. Książka kończy się tradycyjnymi algorytmami uczenia maszynowego.

Uczenie maszynowe stało się bardzo ważne w branży finansowej, która jest wykorzystywana głównie do lepszego zarządzania ryzykiem i analizy ryzyka. Lepsza analiza prowadzi do lepszych decyzji, które prowadzą do zwiększenia zysków instytucji finansowych. Uczenie maszynowe umożliwia fintechom osiąganie ogromnych zysków poprzez optymalizację procesów, maksymalizację wydajności i zwiększenie rentowności.

Czego się nauczysz.

⬤ Poznasz najistotniejsze techniki uczenia maszynowego do codziennego użytku.

⬤ Będziesz pewny siebie w budowaniu i wdrażaniu algorytmów ML.

⬤  Zapoznasz się z zastosowaniem uczenia maszynowego w Twojej firmie.

⬤  Odkryj bardziej zaawansowane koncepcje stosowane obecnie w bankowości i innych sektorach.

⬤ Zbuduj mistrzowski zestaw umiejętności w projektowaniu inteligentnych aplikacji AI, w tym NLP, Computer Vision i Deep Learning.

Dla kogo jest ta książka.

Naukowcy zajmujący się danymi, inżynierowie uczenia maszynowego i osoby, które chcą zastosować uczenie maszynowe w domenie finansowej. Praktycy pracujący w bankach, zarządzaniu aktywami, funduszach hedgingowych lub pracujący po raz pierwszy w dziedzinie finansów. Osoby, które chcą poznać zastosowania uczenia maszynowego w finansach lub osoby wchodzące do domeny fintech.

Spis treści.

WprowadzenieWprowadzenieNaiwny Bayes, rozkład normalny i automatyczne procesy klastrowaniaUczenie maszynowe do strukturyzacji danychParsowanie danych przy użyciu NLPComputer VisionSieć neuronowa, GBM i Gradient DescentSequence ModelingReinforcement Learning For Financial MarketsFinance Use CasesImpact of Machine Learning on FintechMachine Learning in FinanceeKYC and Anti-Fraud PolicyUses of Data Mining and Data VisualizationAdvantages and Disadvantages of Machine LearningApplications of Machine Learning in Other IndustriesEthical considerations in Artificial IntelligenceArtificial Intelligence in BankingCommonly Machine Learning AlgorithmsFrequently Asked Questions.