• 今日66折
  • 天天BUY

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

  • 定價:690
  • 優惠價:9621
  • 本商品單次購買10本85折587
  • 抵用購物金最多再省$186 詳情
  • 運送方式:
  • 臺灣與離島
  • 海外
  • 可配送點:台灣、蘭嶼、綠島、澎湖、金門、馬祖
  • 可取貨點:台灣、蘭嶼、綠島、澎湖、金門、馬祖
載入中...
  • 分享
 

內容簡介

  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
 

作者介紹

作者簡介
 
Jannes Klaas 
 
  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

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
 

詳細資料

  • 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

最近瀏覽商品

 

相關活動

  • 2021起手式——閱讀是想像的起點
 

購物說明

若您具有法人身份為常態性且大量購書者,或有特殊作業需求,建議您可洽詢「企業採購」。 

退換貨說明 

會員所購買的商品均享有到貨十天的猶豫期(含例假日)。退回之商品必須於猶豫期內寄回。 

辦理退換貨時,商品必須是全新狀態與完整包裝(請注意保持商品本體、配件、贈品、保證書、原廠包裝及所有附隨文件或資料的完整性,切勿缺漏任何配件或損毀原廠外盒)。退回商品無法回復原狀者,恐將影響退貨權益或需負擔部分費用。 

訂購本商品前請務必詳閱商品退換貨原則 

  • 家事生活展
  • 共和國暢銷展

訂閱電子報

想獲得最新商品資訊,請訂閱免費電子報