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 (Machine Learning for Finance)
Jannes Klaas 著 彭勝陽 譯
- 出版商: 博碩文化
- 出版日期: 2020-11-30
- 定價: $690
- 售價: 7.8 折 $538
- 語言: 繁體中文
- 頁數: 448
- ISBN: 9864345389
- ISBN-13: 9789864345380
-
相關分類:
Fintech、Machine Learning
- 此書翻譯自: Machine Learning for Finance (Paperback)
-
相關翻譯:
Machine Learning for Finance (Paperback) (英版)
金融中的機器學習 (簡中版)
立即出貨 (庫存 < 8)
買這商品的人也買了...
-
Deep Learning｜用 Python 進行深度學習的基礎理論實作$580$458 -
資安風險評估指南 (Network Security Assessment, 3/e)$780$663 -
金融科技實戰：Python 與量化投資$650$507 -
TensorFlow 與 Keras - Python 深度學習應用實務$650$553 -
Python 金融分析, 2/e (Python for Finance, 2/e)$980$774 -
機器學習的數學基礎 : AI、深度學習打底必讀$580$493 -
tf.keras 技術者們必讀！深度學習攻略手冊$1,000$850 -
精通機器學習｜使用 Scikit-Learn , Keras 與 TensorFlow, 2/e (Hands-on Machine Learning with Scikit-Learn, Keras, and TensorFlow, 2/e)$1,200$948 -
量子電腦程式設計 (Programming Quantum Computers: Essential Algorithms and Code Samples)$680$537 -
深度學習的數學地圖 -- 用 Python 實作神經網路的數學模型 (附數學快查學習地圖)$580$493 -
決心打底！Python 深度學習基礎養成$690$587 -
Python 機器學習 (上), 3/e (Python Machine Learning: Machine Learning and Deep Learning with Python, scikit-learn, and TensorFlow, 3/e)$620$484 -
Python 機器學習超進化：AI影像辨識跨界應用實戰 (附100分鐘影像處理入門影音教學/範例程式)$450$338 -
Python 機器學習 (下), 3/e (Python Machine Learning: Machine Learning and Deep Learning with Python, scikit-learn, and TensorFlow, 3/e)$520$406 -
深度學習：演算法工程師帶你去面試 -- 28個矽谷 AI大師教你 100大深度學習問題 (全彩印刷) (有些許瑕疵,不影響閱讀)$880$695 -
區塊鏈生存指南：帶你用 Python 寫出區塊鏈！（iT邦幫忙鐵人賽系列書）$520$406 -
從來沒有這麼明白過：TensorFlow 上車就學會$690$587 -
金融AI｜人工智慧的金融應用$880$695 -
深度強化學習：基礎、研究與應用$658$619 -
深度學習的 16 堂課：CNN + RNN + GAN + DQN + DRL, 看得懂、學得會、做得出！ (Deep Learning Illustrated: A Visual, Interactive Guide to Artificial Intelligence)$620$490 -
資料科學的統計實務 : 探索資料本質、扎實解讀數據，才是機器學習成功建模的第一步$599$509 -
Python 資料分析必備套件！Pandas 資料清理、重塑、過濾、視覺化 (Pandas 1.x Cookbook, 2/e)$780$616 -
金融機器學習與資料科學藍圖 (Machine Learning and Data Science Blueprints for Finance: From Building Trading Strategies to Robo-Advisors Using Python)$780$616 -
Python：量化交易 Ta-Lib 技術指標 139個活用技巧$620$484 -
AI 神助攻！程式設計新境界 – GitHub Copilot 開發 Python 如虎添翼 : 提示工程、問題分解、測試案例、除錯$560$442
相關主題
商品描述
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
Machine Learning for Finance
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和强化學習的應用
・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
作者簡介
Jannes Klaas 是一位具有經濟學和金融學背景的量化研究員（quantitative researcher）。他曾經在鹿特丹（Rotterdam）的「圖靈學會」（Turing Society）擔任機器學習的首席開發者，教授金融領域的機器學習。他領導過機器學習訓練營，並與金融公司合作開發資料驅動應用程式和交易策略。
Jannes目前是牛津大學的研究生，他的研究興趣包括系統性風險（systemic risk）和大規模自動化知識發掘。
目錄大綱
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
