庫存狀況
「香港二樓書店」讓您 愛上二樓●愛上書
我的購物車 加入會員 會員中心 常見問題 首頁
「香港二樓書店」邁向第一華人書店
登入 客戶評價 whatsapp 常見問題 加入會員 會員專區 現貨書籍 現貨書籍 購物流程 運費計算 我的購物車 聯絡我們 返回首頁
香港二樓書店 > 今日好書推介
二樓書籍分類
 
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

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

沒有庫存
訂購需時10-14天
9789864345380
Jannes Klaas
彭勝陽
博碩
2020年11月30日
230.00  元
HK$ 195.5  






ISBN:9789864345380
  • 規格:平裝 / 448頁 / 17 x 23 x 2.31 cm / 普通級 / 單色印刷 / 初版
  • 出版地:台灣


  • 電腦資訊 > 概論/科技趨勢 > 人工智慧/機器學習

















      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



     





    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





    其 他 著 作