Gépi tanulás a pénzügyekben: Az elmélettől a gyakorlatig

Olvasói vélemények

A könyv átfogó és jól szervezett útmutató a gépi tanuláshoz a pénzügyekben, amelyet világos magyarázatai, gyakorlati Python kódpéldái és pedagógiai megközelítése miatt dicsérnek. Hatékonyan tárgyalja a téma elméleti és gyakorlati aspektusait, így a hallgatók és a szakemberek számára egyaránt alkalmas. Néhány kritikus azonban megjegyezte, hogy a gyakorlati példák és az esettanulmányok hiánya miatt gyenge, ami nem biztos, hogy kielégíti azokat, akik a fogalmak közvetlen alkalmazását keresik.

⬤ A pénzügyek szempontjából releváns gépi tanulási fogalmak átfogó lefedettsége.
⬤ Világos magyarázatok, amelyek mind az elméletre, mind a gyakorlati alkalmazásokra összpontosítanak.
⬤ Jól strukturált, gyakorlatokkal, feleletválasztós kérdésekkel és oktatói forrásokkal.
⬤ Python kódpéldák integrálása a gyakorlati tanuláshoz.
⬤ Innovatív részek olyan témákról, mint az inverz megerősítéses tanulás és a Bayes-módszerek.

⬤ Néhány olvasó úgy találta, hogy a könyv inkább elméleti referenciának, mint gyakorlati útmutatónak tekinthető.
⬤ A részletes esettanulmányok és a mélyreható gyakorlati alkalmazások hiánya a tapasztalt gyakorlati szakemberek számára hiányérzetet kelthet.
⬤ Mivel első kiadásról van szó, néhány területen hiányzik a csiszoltság.

(35 olvasói vélemény alapján)

Eredeti címe:

Machine Learning in Finance: From Theory to Practice

Könyv tartalma:

1. fejezet.

Bevezetés. - 2. fejezet.

Valószínűségi modellezés.

- fejezet. Bayesi regresszió és Gauss-folyamatok.

- fejezet. Feed Forward neurális hálózatok. - fejezet.

Értelmezhetőség. - 6. fejezet.

Szekvencia modellezés. - fejezet.

Valószínűségi sorozatmodellezés. - 8. fejezet.

Fejlett neurális hálózatok.

- 9. fejezet. Bevezetés a megerősítő tanulásba.

- 10. fejezet. A megerősítéses tanulás alkalmazásai.

- 11. fejezet. Inverz megerősítéses tanulás és utánzásos tanulás.

- 12. fejezet. A gépi tanulás és a pénzügyek határterületei.