Отличная книга. Побольше бы таких переводов. Рекомендую. Необходимы базовые знания Python и машинного обучения. Неплохо было бы выложить в архиве код.
matnPDF
Hajm 559 sahifalar
2019 yil
Машинное обучение для алгоритмической торговли на финансовых рынках. Практикум
Разработка инвестиционных стратегий на основе интеллектуальных, обучаемых на данных алгоритмов и их реализация на языке Python
Нет в продаже
Kitob haqida
Книга посвящена практике применения машинного обучения с целью создания мощных алгоритмических стратегий для успешной торговли на финансовых рынках. Изложены базовые принципы работы с данными: оценивание наборов данных, доступ к данным через API на языке Python, доступ к финансовым данным на платформе Quandl и управление ошибками предсказания. Рассмотрены построение и тренировка алгоритмических моделей с помощью Python-библиотек pandas, Seaborn, StatsModels и sklearn и построение, оценка и интерпретация моделей AR(p), MA(q) и ARIMA(p, d, q) с использованием библиотеки StatsModels. Описано применение библиотеки PyMC3 для байесового машинного обучения, библиотек NLTK, sklearn (Scikit-learn) и spaCy для назначения отметок финансовым новостям и классифицирования документов, библиотеки Keras для создания, настройки и оценки нейронных сетей прямого распространения, рекуррентных и сверточных сетей. Показано, как применять трансферное обучение к данным спутниковых снимков для предсказания экономической активности и как эффективно использовать подкрепляемое обучение для достижения оптимальных результатов торговли.Для финансовых аналитиков и программистов на языке Python.
Avval ommaboplar
очень узконаправленная, без высшего образования в математике бесполезна) сложно представить целевую аудиторию. слабо относится к рынкам.
Izoh qoldiring
Kirish, kitobni baholash va sharh qoldirish
Kitob tavsifi
Книга посвящена практике применения машинного обучения с целью создания мощных алгоритмических стратегий для успешной торговли на финансовых рынках. Изложены базовые принципы работы с данными: оценивание наборов данных, доступ к данным через API на языке Python, доступ к финансовым данным на платформе Quandl и управление ошибками предсказания. Рассмотрены построение и тренировка алгоритмических моделей с помощью Python-библиотек pandas, Seaborn, StatsModels и sklearn и построение, оценка и интерпретация моделей AR(p), MA(q) и ARIMA(p, d, q) с использованием библиотеки StatsModels. Описано применение библиотеки PyMC3 для байесового машинного обучения, библиотек NLTK, sklearn (Scikit-learn) и spaCy для назначения отметок финансовым новостям и классифицирования документов, библиотеки Keras для создания, настройки и оценки нейронных сетей прямого распространения, рекуррентных и сверточных сетей. Показано, как применять трансферное обучение к данным спутниковых снимков для предсказания экономической активности и как эффективно использовать подкрепляемое обучение для достижения оптимальных результатов торговли.
Для финансовых аналитиков и программистов на языке Python.
Kitob Стефана Янсена «Машинное обучение для алгоритмической торговли на финансовых рынках. Практикум» - pdf-ga yuklab oling yoki internetda o'qing. Sharhlar va fikr-mulohazalarni qoldiring, o'zingiz yoqtirganlarga ovoz bering.
Yosh cheklamasi:
0+Litresda chiqarilgan sana:
14 sentyabr 2021Tarjima qilingan sana:
2020Oxirgi yangilanish:
2019Hajm:
559 Sahifa ISBN:
978-5-9775-6595-0Umumiy o'lcham:
16 МБUmumiy sahifalar soni :
559Tarjimon:
Mualliflik huquqi egasi:
БХВ-ПетербургФормат скачивания:
pdf
Izohlar
2