Основной контент книги Машинное обучение: алгоритмы для бизнеса
Text PDF

Umfang 432 seiten

2018 Jahr

16+

Машинное обучение: алгоритмы для бизнеса

Nicht zum Verkauf

Über das Buch

Маркос Лопез де Прадо делится тем, что обычно скрывают, – самыми прибыльными алгоритмами машинного обучения, которые он использовал на протяжении двух десятилетий, чтобы управлять большими пулами средств самых требовательных инвесторов.

Машинное обучение меняет практически каждый аспект нашей жизни, алгоритмы МО выполняют задачи, которые до недавнего времени доверяли только проверенным экспертам. В ближайшем будущем машинное обучение будет доминировать в финансах, гадание на кофейной гуще уйдет в прошлое, а инвестиции перестанут быть синонимом азартных игр.

Воспользуйтесь шансом поучаствовать в «машинной революции», для этого достаточно познакомиться с первой книгой, в которой приведен полный и систематический анализ методов машинного обучения применительно к финансам: начиная со структур финансовых данных, маркировки финансового ряда, взвешиванию выборки, дифференцированию временного ряда… и заканчивая целой частью, посвященной правильному бэктестированию инвестиционных стратегий.

Alle Rezensionen anzeigen

Маркос – самый цитируемый специалист в quantative finance, его компания управляет активами более, чем на триллион долларов. Его опыт и взгляд на ML выделаяют Маркоса на фоне остальных исследователей. Он доказал теорему о том, как избыточный бэктестинг приводит к некорректным стратегиями. Я бы рекомендовал книгу всем хотя бы для ознакомления.

Einloggen, um das Buch zu bewerten und eine Rezension zu hinterlassen
Buch «Машинное обучение: алгоритмы для бизнеса» — als pdf herunterladen oder online lesen. Hinterlassen Sie Kommentare und Bewertungen, stimmen Sie für Ihre Favoriten.
Altersbeschränkung:
16+
Veröffentlichungsdatum auf Litres:
10 Februar 2020
Übersetzungsdatum:
2019
Schreibdatum:
2018
Umfang:
432 S.
ISBN:
978-5-4461-1154-1
Gesamtgröße:
9.3 МБ
Gesamtanzahl der Seiten:
432
Rechteinhaber:
Питер
Download-Format:
Podcast
Durchschnittsbewertung 1 basierend auf 2 Bewertungen
Text PDF
Durchschnittsbewertung 5 basierend auf 1 Bewertungen
Text PDF
Durchschnittsbewertung 5 basierend auf 3 Bewertungen
Text PDF
Durchschnittsbewertung 0 basierend auf 0 Bewertungen
Text
Durchschnittsbewertung 3,7 basierend auf 3 Bewertungen