دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش:
نویسندگان: López de Prado. Marcos Mailoc
سری:
ISBN (شابک) : 9781119482086, 9783319497488
ناشر: Wiley
سال نشر: 2018
تعداد صفحات: 0
زبان: English
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 13 مگابایت
کلمات کلیدی مربوط به کتاب پیشرفت در یادگیری ماشین مالی: یادگیری ماشینی، امور مالی--پردازش دادهها، مالی--مدلهای ریاضی، مالی--علوم کامپیوتر، مالی--مدلهای ریاضی، یادگیری ماشینی، کتابهای الکترونیکی، کتابهای الکترونیکی، امور مالی - پردازش دادهها، مالی - مدلهای ریاضی، امور مالی -- علوم کامپیوتر، امور مالی -- مدل های ریاضی
در صورت تبدیل فایل کتاب Advances in Financial Machine Learning به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب پیشرفت در یادگیری ماشین مالی نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
1. یادگیری ماشین مالی به عنوان یک موضوع متمایز -- 2. ساختارهای داده های مالی -- 3. برچسب گذاری -- 4. وزن نمونه -- 5. ویژگی های متمایز کسری -- 6. روش های مجموعه -- 7. اعتبار سنجی متقابل در امور مالی - - 8. اهمیت ویژگی -- 9. تنظیم فراپارامتر با اعتبار سنجی متقابل -- 10. اندازه شرط -- 11. خطرات بک تست -- 12. آزمون برگشتی از طریق اعتبار سنجی متقابل -- 13. آزمون بک تست بر روی داده های مصنوعی -- 14. آمار پس آزمون -- 15. درک ریسک استراتژی -- 16. تخصیص دارایی های یادگیری ماشین -- 17. شکست های ساختاری -- 18. ویژگی های آنتروپی -- 19. ویژگی های ریزساختاری -- 20. پردازش چندگانه و برداری -- 21. نیروی بی رحم و کامپیوترهای کوانتومی -- 22. هوش محاسباتی با کارایی بالا و فناوری های پیش بینی / Kesheng Wu و Horst D. Simon.
1. Financial machine learning as a distinct subject -- 2. Financial data structures -- 3. Labeling -- 4. Sample weights -- 5. Fractionally differentiated features -- 6. Ensemble methods -- 7. Cross-validation in finance -- 8. Feature importance -- 9. Hyper-parameter tuning with cross-validation -- 10. Bet sizing -- 11. The dangers of backtesting -- 12. Backtesting through cross-validation -- 13. Backtesting on synthetic data -- 14. Backtest statistics -- 15. Understanding strategy risk -- 16. Machine learning asset allocation -- 17. Structural breaks -- 18. Entropy features -- 19. Microstructural features -- 20. Multiprocessing and vectorization -- 21. Brute force and quantum computers -- 22. High-performance computational intelligence and forecasting technologies / Kesheng Wu and Horst D. Simon.
Front Matter....Pages I-IX
Front Matter....Pages 1-1
Big Data, Simulations and HPC Convergence....Pages 3-17
Front Matter....Pages 19-19
Benchmarking Fast-Data Platforms for the Aadhaar Biometric Database....Pages 21-39
Towards a General Array Database Benchmark: Measuring Storage Access....Pages 40-67
Front Matter....Pages 69-69
ALOJA: A Benchmarking and Predictive Platform for Big Data Performance Analysis....Pages 71-84
Front Matter....Pages 85-85
Benchmarking the Availability and Fault Tolerance of Cassandra....Pages 87-95
Performance Evaluation of Spark SQL Using BigBench....Pages 96-116
Accelerating BigBench on Hadoop....Pages 117-127
Back Matter....Pages 129-129