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: 2
نویسندگان: Lee. Damon
سری:
ISBN (شابک) : 9781838132231
ناشر: www.valueinvestingai.com
سال نشر: 2021
تعداد صفحات: 281
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 20 مگابایت
در صورت تبدیل فایل کتاب Build Your Own AI Investor: With Machine Learning and Python, Step by Step 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 سرمایه گذار هوش مصنوعی خود را بسازید: با یادگیری ماشین و پایتون ، گام به گام 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.
Preface About This Book Who Should Read This Book Book Roadmap Miscellaneous Chapter 1 - Introduction Investing in Stocks Formulaic Value Investing Value Investing with Machine Learning Machine Learning with Python Chapter 2 - Python Crash Course Background for Absolute Beginners Getting Python Python Coding with Jupyter Notebook Other Bits about Jupyter Notebook Basic Arithmetic Code Comments, Titles and Text Variable assignment Strings Python Lists Tuples Sets Custom Functions Logic and Loops Basic Loops Booleans Logic in Loops Python Dictionaries NumPy Discounted Cash Flows The Pandas Library Chapter 3 - Machine Learning Introduction with Scikit-learn What is Machine Learning? The Data Training the Models Machine Learning Basics with Classification Algorithms Decision Trees CART Algorithm Testing and Training sets Cross-Validation Measuring Success in Classification Hyperparameters, Underfitting and Overfitting Support Vector Machine Classification Regression Machine Learning Algorithms Linear Regression Linear Regression – Regularised Comparing Linear Models Decision Tree Regression Support Vector Machine Regression K Nearest Neighbours Regressor Ensemble Methods Gradient Boosted Decision Trees Feature Scaling and Machine Learning Pipelines Standard Scaler Power Transformers Scikit-Learn Pipelines Chapter 4 - Making the AI Investor Obtaining and Processing Fundamental Financial Stock data Getting Data and Initial Filtering Feature Engineering (and more filtering) Using Machine Learning to Predict Stock Performance Linear Regression Elastic-Net Regression K-Nearest Neighbours Support Vector Machine Regressor Decision Tree Regressor Random Forest Regressor Gradient Boosted Decision Tree Checking Our Regression Results So Far Chapter 5 - AI Backtesting Using an Example Regressor Building the First Bits Looping Through Each Year of a Backtest Backtest Data for an Individual Stock First Backtest Investigating Back Test Results Accounting for Chance of Default Chapter 6 - Backtesting - Statistical Likelihood of Returns Backtesting Loop Is the AI any good at picking stocks? AI Performance Projection Chapter 7 - AI Investor Stock Picks 2021 Getting the Data Together Making the AI Investor Pick Stocks Final Results, Stock Selection for 2021 Discussion of 2020 Performance