Filtre os resultados
Categorias
Livros > Informática > Informática >
Blueprints De Aprendizado De Máquina E Ciência De Dados Para Finanças
Altura : 23 cm
Altura : 23 cm
Ano de publicação : 2024
Autor : Tatsat, Hariom; Puri, Sahil; Lookabaugh, Brad
Capa do livro : Mole
Edição do livro : 1
Editora do livro : Alta Books
Gênero do livro : Informática
Idioma : Português
ISBN : 9788550821825
Largura : 15 cm
Marca : Alta Books
Material da capa do livro : Brochura
Modelo : 9788550821825
Peso : 528 g
Quantidade de páginas : 400
Subtítulo do livro : Blueprints de Aprendizado de Maquina E Ciencia de Dados Para Financas
Tamanho do livro : 15.8 X 23
Tipo de narração : Manual
Título do livro : Blueprints de Aprendizado de Maquina E Ciencia de Dados Para Financas
Histórico de preços
Ficha Técnica e Modo de uso:
Blueprints de Aprendizado de Máquina e Ciência de Dados para Finanças
O aprendizado de máquina e a ciência de dados transformarão significativamente o setor financeiro nos próximos anos.
Com este guia prático, os profissionais de fundos de hedge, investimentos e bancos de varejo, bem como as fintechs, aprenderão a criar algoritmos de AM (aprendizado de máquina) cruciais para o setor.
Você examinará conceitos de AM e mais de vinte estudos de caso sobre aprendizado supervisionado, não supervisionado e por reforço, bem como sobre o processamento de linguagem natural (PLN).
Analistas, traders, pesquisadores e desenvolvedores também mergulharão na gestão de portfólios, no trading algorítmico, na precificação de derivativos, na detecção de fraudes, na previsão de preços de ativos, na análise de sentimento e no desenvolvimento de chatbots.
Você explorará problemas da vida real e aprenderá soluções cientificamente sólidas e sustentadas por códigos e exemplos.
Este livro inclui:
- Modelos de aprendizado supervisionado baseado em regressão para estratégias de tradings e precificação de derivativos.
- Modelos de aprendizado supervisionado baseado em classificação para a previsão de risco de inadimplência de cré dito e detecção de fraudes.
- Técnicas de redução de dimensionalidade, com estudos de caso sobre gestão de portfólios e criação de uma yield curve.
- Estudos de caso usando algoritmos e técnicas de agrupamento para encontrar objetos semelhantes em estratégias de trading e gestão de portfólios.
- Modelos de aprendizado por reforço e técnicas para desenvolver estratégias de trading, hedge de derivativos e gestão portfólios.
- Técnicas de PLN usando bibliotecas Python, como NLTK e Scikit-learn.
