Hodnotenie:
Kniha je komplexným zdrojom informácií o aplikáciách strojového učenia a umelej inteligencie vo financiách a je oceňovaná pre svoj praktický prístup, rozsiahle pokrytie tém a užitočné prípadové štúdie s príkladmi kódu. Odporúča sa pre odborníkov v oblasti financií aj študentov, ale niektoré kritiky poukazujú na významné problémy so zastaraným obsahom, nesprávnymi ilustráciami a čiernobielym podaním.
Výhody:⬤ Komplexné pokrytie aplikácií ML/AI vo financiách.
⬤ Praktický prístup s užitočnými prípadovými štúdiami a príkladmi kódu.
⬤ Skvelé pre začiatočníkov aj skúsených dátových vedcov.
⬤ Dobre štruktúrované a ľahko sledovateľné.
⬤ Dostupný podporný kód na GitHube zvyšuje použiteľnosť.
⬤ Niektorý obsah je zastaraný a vyžaduje si aktualizáciu kódu.
⬤ V niektorých kapitolách boli zaznamenané nesprávne ilustrácie.
⬤ Niektorí čitatelia dostali čiernobielu verziu, čo znižuje účinnosť vizuálnych materiálov.
⬤ Niektoré vysvetlenia na vysokej úrovni nemajú dostatočnú hĺbku v porovnaní s informáciami dostupnými inde.
(na základe 19 čitateľských recenzií)
Machine Learning and Data Science Blueprints for Finance: From Building Trading Strategies to Robo-Advisors Using Python
Strojové učenie a dátová veda v priebehu niekoľkých nasledujúcich desaťročí zmenia finančné odvetvie. Vďaka tejto praktickej knihe sa analytici, obchodníci, výskumníci a vývojári naučia, ako vytvárať algoritmy strojového učenia, ktoré sú pre toto odvetvie kľúčové. Preskúmate koncepty ML a viac ako 20 prípadových štúdií v oblasti kontrolovaného, nekontrolovaného a posilneného učenia spolu so spracovaním prirodzeného jazyka (NLP).
Táto kniha, ktorá je ideálna pre odborníkov pracujúcich v hedžových fondoch, investičných a retailových bankách a fintechových firmách, sa hlboko zaoberá aj riadením portfólia, algoritmickým obchodovaním, oceňovaním derivátov, odhaľovaním podvodov, predpovedaním cien aktív, analýzou sentimentu a vývojom chatbotov. Preskúmate skutočné problémy, s ktorými sa stretávajú odborníci z praxe, a naučíte sa vedecky podložené riešenia podporené kódom a príkladmi.
Táto kniha zahŕňa:
⬤ Modely založené na regresnom učení s podporou supervízie pre obchodné stratégie, oceňovanie derivátov a riadenie portfólia.
⬤ Modely založené na klasifikácii založené na supervisovanom učení pre predpovedanie rizika úverového zlyhania, odhaľovanie podvodov a obchodné stratégie.
⬤ Techniky redukcie dimenzionality s prípadovými štúdiami v oblasti riadenia portfólia, obchodných stratégií a konštrukcie výnosovej krivky.
⬤ Algoritmy a techniky zhlukovania na vyhľadávanie podobných objektov s prípadovými štúdiami v obchodných stratégiách a riadení portfólia.
⬤ Modely a techniky posilňovania učenia používané na vytváranie obchodných stratégií, zabezpečenie derivátov a riadenie portfólia.
⬤ NLP techniky využívajúce knižnice jazyka Python, ako sú NLTK a scikit-learn, na transformáciu textu do zmysluplných reprezentácií.