Avis des lecteurs
Il n'y a actuellement aucun avis de lecteur. La note est basée sur 4 votes.
Titre original :
Machine Learning for Economics and Finance in Tensorflow 2: Deep Learning Models for Research and Industry
Contenu du livre :
Chapitre 1 : TensorFlow 2. 0.
Objectif du chapitre : Présenter TensorFlow 2 et discuter du matériel préliminaire sur les conventions et les pratiques spécifiques à TensorFlow.
- Différences entre les itérations de TensorFlow.
- TensorFlow pour l'économie et la finance.
- Introduction aux tenseurs.
- Révision de l'algèbre linéaire et du calcul.
- Chargement des données pour utilisation dans TensorFlow.
- Définition des constantes et des variables.
Chapitre 2 : Apprentissage automatique et économie.
Objectif du chapitre : Fournir une vue d'ensemble des modèles d'apprentissage automatique et expliquer comment ils peuvent être utilisés en économie et en finance. Une partie du chapitre passera en revue les travaux existants en économie et spéculera sur les cas d'utilisation futurs.
- Introduction à l'apprentissage automatique.
- Apprentissage automatique pour l'économie et la finance.
- Apprentissage automatique non supervisé.
- Apprentissage automatique supervisé.
- Régularisation.
- Prédiction.
- Évaluation.
Chapitre 3 : Régression.
Objectif du chapitre : Expliquer comment les modèles de régression sont utilisés principalement à des fins de prédiction dans l'apprentissage automatique, plutôt que pour tester des hypothèses, comme c'est le cas en économie. Introduire les mesures d'évaluation et les routines d'optimisation utilisées pour résoudre les modèles de régression.
- Régression linéaire.
- Régression partiellement linéaire.
- Régression non linéaire.
- Régression logistique.
- Fonctions de perte.
- Mesures d'évaluation.
- Optimiseurs.
Chapitre 4 : Arbres.
Objectif du chapitre : Introduire les modèles à base d'arbres et le concept d'ensembles.
- Arbres de décision.
- Arbres de régression.
- Forêts aléatoires.
- Mise au point du modèle.
Chapitre 5 : Renforcement du gradient.
Objectif du chapitre : présenter le gradient boosting et discuter de son application, de l'ajustement des modèles et de l'identification des caractéristiques importantes.
- Introduction au gradient boosting.
- Boosting avec des modèles de régression.
- Boosting avec des arbres.
- Réglage du modèle.
- Importance des caractéristiques.
Chapitre 6 : Images.
Objectif du chapitre : Présenter les API Keras et Estimators de haut niveau. Expliquer comment ces bibliothèques peuvent être utilisées pour effectuer la classification d'images en utilisant une variété de modèles d'apprentissage profond. Discuter également de l'utilisation de modèles pré-entraînés et du réglage fin. Spéculez sur les utilisations de la classification d'images dans les domaines de l'économie et de la finance.
- Keras.
- Estimateurs.
- Préparation des données.
- Réseaux de neurones profonds.
Autres informations sur le livre :
| ISBN : | 9781484263723 |
| Auteur : | |
| Éditeur : | |
| Reliure : | Broché |
| Année de publication : | 2020 |
| Nombre de pages : | 368 |
Achat:
Actuellement disponible, en stock.
