Strojové učení pro ekonomii a finance v Tensorflow 2: Modely hlubokého učení pro výzkum a průmysl

Recenze čtenářů

Aktuálně nejsou k dispozici žádné recenze čtenářů. Hodnocení je založeno na 4 hlasů.

Původní název:

Machine Learning for Economics and Finance in Tensorflow 2: Deep Learning Models for Research and Industry

Obsah knihy:

Kapitola 1: TensorFlow 2. 0.

Cíl kapitoly: Představit TensorFlow 2 a probrat předběžný materiál týkající se konvencí a postupů specifických pro TensorFlow.

- Rozdíly mezi iteracemi TensorFlow.

- TensorFlow pro ekonomii a finance.

- Úvod do tenzorů.

- Přehled lineární algebry a kalkulu.

- Načítání dat pro použití v TensorFlow.

- Definování konstant a proměnných.

Kapitola 2: Strojové učení a ekonomie.

Cíl kapitoly: Poskytnout přehled modelů strojového učení na vysoké úrovni a vysvětlit, jak je lze využít v ekonomii a financích. Část kapitoly bude obsahovat přehled existujících prací v ekonomii a spekulace o budoucích případech použití.

- Úvod do strojového učení.

- Strojové učení pro ekonomii a finance.

- Strojové učení bez dohledu.

- Kontrolované strojové učení.

- Regularizace.

- Predikce.

- Vyhodnocení.

Kapitola 3: Regrese.

Cíl kapitoly: Vysvětlit, jak se regresní modely ve strojovém učení používají především pro účely predikce, nikoli pro testování hypotéz, jako je tomu v ekonomii. Představit vyhodnocovací metriky a optimalizační postupy používané k řešení regresních modelů.

- Lineární regrese.

- Částečně lineární regrese.

- Nelineární regrese.

- Logistická regrese.

- Ztrátové funkce.

- Metriky hodnocení.

- Optimalizátory.

Kapitola 4: Stromy.

Cíl kapitoly: Představení modelů založených na stromech a konceptu souborů.

- Rozhodovací stromy.

- Regresní stromy.

- Náhodné lesy.

- Ladění modelu.

Kapitola 5: Gradient Boosting.

Cíl kapitoly: Představit gradientní posilování a probrat, jak se používá, jak se modely ladí a jak identifikovat důležité rysy.

- Úvod do gradientního posilování.

- Boostování s regresními modely.

- Boostování pomocí stromů.

- Ladění modelů.

- Důležitost rysů.

Kapitola 6: Obrázky.

Cíl kapitoly: Představení vysokoúrovňových rozhraní API Keras a Estimators. Vysvětlit, jak lze tyto knihovny použít ke klasifikaci obrázků pomocí různých modelů hlubokého učení. Proberte také použití předtrénovaných modelů a jemné ladění. Spekulujte o využití klasifikace obrazu v ekonomice a finančnictví.

- Keras.

- Odhady.

- Příprava dat.

- Hluboké neuronové sítě.