Avis des lecteurs
Résumé:Le livre « Machine Learning in Finance » est très apprécié pour sa couverture complète des techniques d'apprentissage automatique pertinentes pour l'industrie financière, mêlant concepts théoriques et applications pratiques. Il est loué pour son écriture claire et son approche structurée, ce qui le rend adapté aux étudiants et aux professionnels. Cependant, certaines critiques notent qu'il peut manquer d'études de cas réels et que son orientation théorique pourrait ne pas plaire à tous les praticiens.
Avantages:Couverture complète des concepts pertinents, explication détaillée des modèles, base théorique solide, exemples pratiques de codage Python, adapté à la fois aux étudiants et aux professionnels de la finance, visuellement attrayant avec des figures et des exercices.
Inconvénients:Quelque peu théorique avec des applications limitées dans le monde réel, peut ne pas être poli en tant que première édition, pas idéal pour ceux qui recherchent une science appliquée sans contenu théorique approfondi.
(basé sur 35 avis de lecteurs)
Titre original :
Machine Learning in Finance: From Theory to Practice
Contenu du livre :
Chapitre 1. Introduction.
- Chapitre 2. Modélisation probabiliste. - Chapitre 3.
Régression bayésienne et processus gaussiens.
- Chapitre 4. Réseaux neuronaux de type Feed Forward.
- Chapitre 5. Interprétabilité. - Chapitre 6.
Modélisation des séquences. - Chapitre 7. Modélisation probabiliste des séquences.
- Chapitre 8. Réseaux neuronaux avancés.
- Chapitre 9. Introduction à l'apprentissage par renforcement. - Chapitre 10.
Applications de l'apprentissage par renforcement.
- Chapitre 11. Apprentissage par renforcement inverse et apprentissage par imitation. - Chapitre 12.
Frontières de l'apprentissage automatique et de la finance.
Autres informations sur le livre :
| ISBN : | 9783030410674 |
| Auteur : | |
| Éditeur : | |
| Reliure : | Relié |
| Année de publication : | 2020 |
| Nombre de pages : | 548 |
Achat:
Actuellement disponible, en stock.
