Machine Learning for Finance
作者 | Jannes Klaas |
---|---|
出版社 | 聯合發行股份有限公司 |
商品描述 | 金融人才X機器學習聯手出擊: 專為FinTech領域打造的機器學習指南:金融人才×機器學習聯手出擊:專為FinTech領域打造的機器學習指南MachineLearningforFinance一本專為金融 |
作者 | Jannes Klaas |
---|---|
出版社 | 聯合發行股份有限公司 |
商品描述 | 金融人才X機器學習聯手出擊: 專為FinTech領域打造的機器學習指南:金融人才×機器學習聯手出擊:專為FinTech領域打造的機器學習指南MachineLearningforFinance一本專為金融 |
內容簡介 金融人才×機器學習聯手出擊:專為FinTech領域打造的機器學習指南 Machine Learning for Finance 一本專為金融專業人士編寫的機器學習指南!對於所有從事金融資料分析的讀者來說,機器學習將是一門如虎添翼的技術。本書介紹許多新穎的、進階的機器學習模型,並示範如何將它們應用於金融產業(包括保險、交易和貸款)。本書亦詳細解說機器學習背後的觀念和演算法,著重於金融應用,提供豐富詳盡的Python程式碼範例。 本書展示機器學習在結構化資料、文字、影像及時間序列上的工作方式,並深度探討眾多關鍵的機器學習模型,從簡單迴歸到高階神經網路,還有GAN、強化學習、對抗偏見、貝氏推論和機率規劃等內容。 本書範圍廣泛,但方法卻深入且實用。如果你在FinTech領域工作,或想投入FinTech領域,並希望獲得當今領域最有價值的技術之一,本書就是為你而準備的! 在這本書中,你將學到: ・將機器學習應用於結構化資料、自然語言、照片和書面文字 ・機器學習如何偵測詐欺行為、預測金融趨勢、分析客戶情緒等等 ・使用Python、scikit-learn、Keras和TensorFlow實作啟發式基準線、時間序列、生成模型和強化學習 ・深入研究神經網路、檢視GAN和?化學習的應用 ・對機器學習應用程式進行除錯,並為其啟動做好準備 ・解決機器學習的偏見和隱私問題
作者介紹 Jannes KlaasJannes Klaas 是一位具有經濟學和金融學背景的量化研究員(quantitative researcher)。他曾經在鹿特丹(Rotterdam)的「圖靈學會」(Turing Society)擔任機器學習的首席開發者,教授金融領域的機器學習。他領導過機器學習訓練營,並與金融公司合作開發資料驅動應用程式和交易策略。 Jannes目前是牛津大學的研究生,他的研究興趣包括系統性風險(systemic risk)和大規模自動化知識發掘。
產品目錄 前言 Chapter 1:神經網路與基於梯度的優化 本書的學習之旅 什麼是機器學習? 監督式學習 非監督式學習 強化學習 設定工作區 使用Kaggle內核 使用AWS深度學習AMI 優化模型參數 測量模型損失 建立更深層的網路 Keras簡介 張量和運算圖 練習題 小結 Chapter 2:機器學習在結構化資料之應用 人工合成資料 啟發式模型、特徵式模型和E2E模型 機器學習軟體需求 啟發式方法 特徵工程方法 準備Keras資料 使用Keras建立預測模型 決策樹簡介 E2E模型 練習題 小結 Chapter 3:電腦視覺應用 卷積神經網路 彩色影像過濾器 ConvNets在Keras的程式區塊 為我們的神經網路提供更多樣的功能 處理大型影像資料集 使用預先訓練的模型 權衡模組化 分類之外的電腦視覺技術 練習題 小結 Chapter 4:理解時間序列 Pandas資料視覺化準備工作 快速傅立葉變換 自相關性 建立訓練和測試規則 回溯測試說明 預測中位數 ARIMA 卡爾曼過濾器 Conv1D卷積層 擴張和因果卷積層 簡易RNN LSTM 遞歸丟棄 貝葉斯深度學習 練習題 小結 Chapter 5:使用自然語言處理解析文字資料 spaCy入門指引 命名實體識別 詞性(POS)標記 基於規則的匹配方式 正規表示法 文字分類任務 準備資料 詞袋 主題模型 詞嵌入 「詞嵌入」的文件相似性 快速瀏覽Kera函數式API 注意力機制 Seq2seq模型 練習題 小結 Chapter 6:使用生成模型 了解自動編碼器 使用t-SNE視覺化潛在空間 變分自動編碼器 用於時間序列的VAE GAN 使用較少的資料-主動學習 將SGAN應用於詐欺偵測 練習題 小結 Chapter 7:在金融市場中應用強化學習 Catch:強化學習的快速入門 更正式地介紹RL:「馬可夫過程」和「貝爾曼方程式」 優勢行動者-評論家模型 進化策略和基因演算法 RL工程之實用提示 最先進的RL技術 練習題 小結 Chapter 8:隱私權、除錯和發佈你的產品 對資料進行除錯 對你的模型進行除錯 部署 效能提示 練習題 小結 Chapter 9:對抗偏差或偏見 機器學習中不公平的來源 法律觀點 觀察公平性 公平訓練 因果學習 解讀模型以確保公平性 複雜系統失敗的不公平現象 制定公平模式的清單 練習題 小結 Chapter 10:貝氏推論和機率規劃 貝氏推論的直觀指南 小結 後會有期 延伸閱讀
書名 / | 金融人才X機器學習聯手出擊: 專為FinTech領域打造的機器學習指南 |
---|---|
作者 / | Jannes Klaas |
簡介 / | 金融人才X機器學習聯手出擊: 專為FinTech領域打造的機器學習指南:金融人才×機器學習聯手出擊:專為FinTech領域打造的機器學習指南MachineLearningforFinance一本專為金融 |
出版社 / | 聯合發行股份有限公司 |
ISBN13 / | 9789864345380 |
ISBN10 / | 9864345389 |
EAN / | 9789864345380 |
誠品26碼 / | 2681942451006 |
頁數 / | 448 |
注音版 / | 否 |
裝訂 / | P:平裝 |
語言 / | 1:中文 繁體 |
尺寸 / | 23X17X2.3CM |
級別 / | N:無 |
最佳賣點 : 金融人才×機器學習聯手出擊:專為FinTech領域打造的機器學習指南
Machine Learning for Finance
一本專為金融專業人士編寫的機器學習指南!對於所有從事金融資料分析...