Umelá inteligencia vo financiách: Príručka založená na jazyku Python

Hodnotenie:   (4,4 z 5)

Umelá inteligencia vo financiách: Príručka založená na jazyku Python (Yves Hilpisch)

Recenzie čitateľov

Zhrnutie:

Kniha získala zmiešané recenzie, pričom niektorí čitatelia chvália jej praktický prístup a organizáciu, zatiaľ čo iní kritizujú jej hĺbku, vizuálnu kvalitu a cenu. Považuje sa za užitočnú pre začiatočníkov, ale môže byť sklamaním pre tých, ktorí očakávajú hlbší prieskum umelej inteligencie vo financiách.

Výhody:

Praktická s príkladmi v jazyku Python, dobre štruktúrovaná a napísaná, dobrá kvalita pre začiatočníkov, zahŕňa niekoľko modelov AI.

Nevýhody:

Chýba hĺbka tém, slabá vizuálna kvalita a čísla, vysoká cena v porovnaní s papierovou verziou, niektoré problémy s presnosťou obsahu a vysvetlením, nevhodné pre tých, ktorí nie sú oboznámení s financiami.

(na základe 8 čitateľských recenzií)

Pôvodný názov:

Artificial Intelligence in Finance: A Python-Based Guide

Obsah knihy:

Rozšírené používanie umelej inteligencie a strojového učenia dnes spôsobuje revolúciu v mnohých odvetviach. Po spojení týchto technológií s programovou dostupnosťou historických finančných údajov a údajov v reálnom čase sa od základu zmení aj finančný sektor. Vďaka tejto praktickej knihe sa naučíte, ako používať AI a strojové učenie na objavovanie štatistických neefektívností na finančných trhoch a ich využívanie prostredníctvom algoritmického obchodovania.

Autor Yves Hilpisch ukazuje praktikom, študentom a akademikom z oblasti financií aj dátovej vedy praktické spôsoby, ako aplikovať algoritmy strojového učenia a hlbokého učenia vo financiách. Vďaka množstvu samostatných príkladov v jazyku Python si budete môcť zopakovať všetky výsledky a čísla uvedené v knihe.

V piatich častiach vám táto príručka pomôže:

⬤ Oboznámiť sa s ústrednými pojmami a algoritmami z oblasti umelej inteligencie vrátane nedávnych prelomových objavov na ceste k umelej všeobecnej inteligencii (AGI) a superinteligencii (SI).

⬤ Pochopiť, prečo budú mať financie založené na údajoch, AI a strojové učenie trvalý vplyv na finančnú teóriu a prax.

⬤ Použiť neurónové siete a posilňovacie učenie na odhalenie štatistickej neefektívnosti na finančných trhoch.

⬤ Identifikácia a využívanie ekonomickej neefektívnosti prostredníctvom spätného testovania a algoritmického obchodovania - automatizovaného vykonávania obchodných stratégií.

⬤ Pochopiť, ako umelá inteligencia ovplyvní konkurenčnú dynamiku vo finančnom odvetví a čo môže priniesť potenciálny vznik finančnej singularity.

Ďalšie údaje o knihe:

ISBN:9781492055433
Autor:
Vydavateľ:
Väzba:Mäkká väzba
Rok vydania:2020
Počet strán:474

Nákup:

Momentálne k dispozícii, na sklade.

Ďalšie knihy autora:

Python pre financie: Python: Zvládnutie financií založených na údajoch - Python for Finance:...
Finančný priemysel v poslednom čase zaviedol Python...
Python pre financie: Python: Zvládnutie financií založených na údajoch - Python for Finance: Mastering Data-Driven Finance
Umelá inteligencia vo financiách: Príručka založená na jazyku Python - Artificial Intelligence in...
Rozšírené používanie umelej inteligencie a...
Umelá inteligencia vo financiách: Príručka založená na jazyku Python - Artificial Intelligence in Finance: A Python-Based Guide
Finančná teória v jazyku Python: Jemný úvod do problematiky - Financial Theory with Python: A Gentle...
V súčasnosti sú financie, matematika a...
Finančná teória v jazyku Python: Jemný úvod do problematiky - Financial Theory with Python: A Gentle Introduction
Analýza derivátov s Pythonom: Analýza údajov, modely, simulácie, kalibrácia a zabezpečenie -...
Doplňte analytiku opcií a zaistenie pomocou jazyka Python...
Analýza derivátov s Pythonom: Analýza údajov, modely, simulácie, kalibrácia a zabezpečenie - Derivatives Analytics with Python: Data Analysis, Models, Simulation, Calibration and Hedging

Diela autora vydali tieto vydavateľstvá:

© Book1 Group - všetky práva vyhradené.
Obsah tejto stránky nesmie byť kopírovaný ani použitý čiastočne alebo v celku bez písomného súhlasu vlastníka.
Posledná úprava: 2024.11.13 22:11 (GMT)