Strojové učení ve financích: Od teorie k praxi

Recenze čtenářů

Kniha je komplexním a přehledným průvodcem strojovým učením ve financích, který je oceňován pro své jasné vysvětlení, praktické příklady kódu v jazyce Python a pedagogický přístup. Efektivně pokrývá jak teoretické, tak praktické aspekty tohoto tématu, takže je vhodná jak pro studenty, tak pro profesionály. Někteří recenzenti však upozornili na její slabé praktické příklady a nedostatek případových studií, což nemusí uspokojit ty, kteří hledají přímé aplikace konceptů.

⬤ Komplexní pokrytí konceptů strojového učení relevantních pro finance.
⬤ Jasné vysvětlení se zaměřením na teorii i praktické aplikace.
⬤ Dobře strukturovaná cvičení, otázky s výběrem odpovědí a zdroje pro instruktory.
⬤ Integrace příkladů kódu v jazyce Python pro praktickou výuku.
⬤ Inovativní části věnované tématům, jako je inverzní posilování učení a bayesovské metody.

⬤ Někteří čtenáři ji považovali spíše za teoretickou příručku než za praktického průvodce.
⬤ Nedostatek podrobných případových studií a hlubokých praktických aplikací může zkušené praktiky nechat v klidu.
⬤ Vzhledem k tomu, že se jedná o první vydání, postrádá v některých oblastech vybroušenost.

(na základě 35 hodnocení čtenářů)

Původní název:

Machine Learning in Finance: From Theory to Practice

Obsah knihy:

Kapitola 1. Úvod.

- Kapitola 2. Pravděpodobnostní modelování. - Kapitola 3.

Bayesovská regrese a Gaussovy procesy.

- Kapitola 4. Neuronové sítě s posuvem vpřed.

- Kapitola 5. Interpretovatelnost. - Kapitola 6.

Modelování sekvencí. - Kapitola 7. Pravděpodobnostní modelování sekvencí.

- Kapitola 8. Pokročilé neuronové sítě.

- Kapitola 9. Úvod do učení s posilováním. - Kapitola 10.

Aplikace posilovacího učení.

- Kapitola 11. Inverzní posilovací učení a imitační učení. - Kapitola 12.

Hranice strojového učení a financí.