Estamos exibindo produtos para a sua região.
Informe seu CEP para ter uma melhor experiência.
Blueprints De Aprendizado De Máquina E Ciência De Dados Para Finanças: Desenvolvendo Desde Estratégias De Trades Até Robôs Advisors Com Python
(Cód. Item 1569770987)
Outros produtos Editora Alta Books
Infelizmente não temos estoque do produto que você está procurando no momento.
Avise-me quando chegar
Também desejo receber emails de promoções e lançamentos
Você será avisado quando este produto ficar disponível!
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, in vestimentos 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 supervisio nado 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 fr audes, 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:
• Mode los 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 tr ading 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.
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, in vestimentos 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 supervisio nado 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 fr audes, 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:
• Mode los 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 tr ading 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.
Informações importantes:
- Preços e condições de pagamento válidos somente para compras no site www.extra.com.br.
- Em caso de divergência de preços, o valor final considerado será o do Carrinho de Compras.
- Imagens meramente ilustrativas.