Bewertung:
Das Buch „Machine Learning in Finance“ wird für seine umfassende Abdeckung von Techniken des maschinellen Lernens, die für die Finanzbranche relevant sind, hoch geschätzt, da es theoretische Konzepte mit praktischen Anwendungen verbindet. Es wird für seine klare Sprache und seinen strukturierten Ansatz gelobt, wodurch es sowohl für Studenten als auch für Fachleute geeignet ist. In einigen Rezensionen wird jedoch darauf hingewiesen, dass es möglicherweise nicht genügend Fallstudien aus der Praxis enthält und dass der theoretische Schwerpunkt nicht für alle Praktiker geeignet ist.
Vorteile:Umfassende Abdeckung relevanter Konzepte, detaillierte Erläuterung der Modelle, solide theoretische Grundlage, praktische Python-Programmierbeispiele, sowohl für Studenten als auch für Finanzfachleute geeignet, visuell ansprechend mit Abbildungen und Übungen.
Nachteile:Etwas theoretisch mit begrenzten realen Anwendungen, als Erstausgabe vielleicht nicht ganz so ausgefeilt, nicht ideal für diejenigen, die angewandte Wissenschaft ohne tiefgehende theoretische Inhalte suchen.
(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: | 9783030410674 |
| Autor: | |
| Verlag: | |
| Einband: | Hardcover |
| Erscheinungsjahr: | 2020 |
| Seitenzahl: | 548 |
Derzeit verfügbar, auf Lager.
