Hodnotenie:
Kniha je komplexným a dobre organizovaným sprievodcom strojového učenia vo financiách, ktorý je oceňovaný pre svoje jasné vysvetlenia, praktické príklady kódu v jazyku Python a pedagogický prístup. Účinne pokrýva teoretické aj praktické aspekty tejto témy, vďaka čomu je vhodná pre študentov aj profesionálov. Niektorí recenzenti však upozornili na jej slabé praktické príklady a nedostatok prípadových štúdií, čo nemusí uspokojiť tých, ktorí hľadajú priame aplikácie konceptov.
Výhody:⬤ Komplexné pokrytie konceptov strojového učenia relevantných pre financie.
⬤ Jasné vysvetlenia so zameraním na teóriu aj praktické aplikácie.
⬤ Dobre štruktúrované cvičenia, otázky s výberom odpovede a zdroje pre inštruktorov.
⬤ Integrácia príkladov kódu v jazyku Python na praktické učenie.
⬤ Inovatívne časti o témach, ako je inverzné posilňovanie učenia a bayesovské metódy.
⬤ Niektorí čitatelia ju považovali skôr za teoretickú príručku než za praktického sprievodcu.
⬤ Nedostatok podrobných prípadových štúdií a hĺbkových praktických aplikácií môže u skúsených odborníkov z praxe vyvolávať túžbu po ďalších.
⬤ Keďže ide o prvé vydanie, v niektorých oblastiach chýba vybrúsenosť.
(na základe 35 čitateľských recenzií)
Machine Learning in Finance: From Theory to Practice
Kapitola 1. Úvod.
- Kapitola 2. Pravdepodobnostné modelovanie. - Kapitola 3.
Bayesovská regresia a Gaussove procesy.
- Kapitola 4. Neurónové siete s posuvným riadením.
- Kapitola 5. Interpretovateľnosť. - Kapitola 6.
Modelovanie sekvencií. - Kapitola 7. Pravdepodobnostné modelovanie sekvencií.
- Kapitola 8. Pokročilé neurónové siete.
- Kapitola 9. Úvod do učenia s posilňovaním. - Kapitola 10.
Aplikácie posilňovacieho učenia.
- Kapitola 11. Inverzné posilňovacie učenie a imitačné učenie. - Kapitola 12.
Hranice strojového učenia a financií.
