Gépi tanulás a pénzügyekben: Az elmélettől a gyakorlatig

Olvasói vélemények

A „Machine Learning in Finance” című könyvet nagyra értékelik a pénzügyi ágazatban releváns gépi tanulási technikák átfogó lefedettségéért, amely az elméleti koncepciókat gyakorlati alkalmazásokkal ötvözi. A könyvet dicsérik világos írásmódja és strukturált megközelítése miatt, ami alkalmassá teszi mind a hallgatók, mind a szakemberek számára. Egyes kritikák azonban megjegyzik, hogy a könyvből hiányozhat a valós életből vett esettanulmányok mennyisége, és hogy elméleti hangsúlya nem minden szakember számára vonzó.

A releváns fogalmak átfogó lefedettsége, a modellek részletes magyarázata, erős elméleti alapok, gyakorlati Python-kódolási példák, alkalmas mind a hallgatók, mind a pénzügyi szakemberek számára, vizuálisan magával ragadó ábrákkal és gyakorlatokkal.

Kissé elméleti jellegű, korlátozott valós alkalmazásokkal, első kiadásként nem biztos, hogy csiszolt, nem ideális azok számára, akik mély elméleti tartalom nélküli alkalmazott tudományt keresnek.

(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.