Bewertung:
Das Buch ist ein umfassender und gut organisierter Leitfaden für maschinelles Lernen im Finanzwesen, der für seine klaren Erklärungen, praktischen Python-Codebeispiele und seinen pädagogischen Ansatz gelobt wird. Es deckt sowohl die theoretischen als auch die praktischen Aspekte des Themas effektiv ab und ist daher für Studenten und Fachleute gleichermaßen geeignet. Einige Rezensenten bemängelten jedoch die schwachen praktischen Beispiele und das Fehlen von Fallstudien, was diejenigen, die nach direkten Anwendungen der Konzepte suchen, möglicherweise nicht zufriedenstellt.
Vorteile:⬤ Umfassende Abdeckung der für das Finanzwesen relevanten Konzepte des maschinellen Lernens.
⬤ Klare Erklärungen mit Fokus auf Theorie und praktische Anwendungen.
⬤ Gut strukturiert mit Übungen, Multiple-Choice-Fragen und Ressourcen für den Dozenten.
⬤ Integration von Python-Codebeispielen für praxisnahes Lernen.
⬤ Innovative Abschnitte zu Themen wie inverses Reinforcement Learning und Bayes'sche Methoden.
⬤ Einige Leser waren der Meinung, dass es sich eher um ein theoretisches Nachschlagewerk als um einen praktischen Leitfaden handelt.
⬤ Das Fehlen von detaillierten Fallstudien und tiefgreifenden praktischen Anwendungen kann dazu führen, dass erfahrene Praktiker sich mehr wünschen.
⬤ Da es sich um eine Erstausgabe handelt, fehlt es in einigen Bereichen an Feinschliff.
(basierend auf 35 Leserbewertungen)
Machine Learning in Finance: From Theory to Practice
Kapitel 1. Einleitung.
- Kapitel 2. Probabilistische Modellierung. - Kapitel 3.
Bayessche Regression und Gaußsche Prozesse.
- Kapitel 4. Neuronale Netze mit Vorwärtskopplung.
- Kapitel 5. Interpretierbarkeit. - Kapitel 6.
Modellierung von Sequenzen. - Kapitel 7. Probabilistische Sequenzmodellierung.
- Kapitel 8. Fortgeschrittene neuronale Netze.
- Kapitel 9. Einführung in das Verstärkungslernen. - Kapitel 10.
Anwendungen des Verstärkungslernens.
- Kapitel 11. Inverses Verstärkungslernen und Nachahmungslernen. - Kapitel 12.
Grenzen des maschinellen Lernens und Finanzen.
| ISBN: | 9783030410704 |
| Autor: | |
| Verlag: | |
| Einband: | Taschenbuch |
Derzeit verfügbar, auf Lager.
