Lista de Desejos

Blueprints de aprendizado de máquina e ciência de dados para finanças

Código: 9788550821825 Marca: Editora Alta Books

Blueprints de Aprendizado de Máquina e Ciência de Dados para FinançasO 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.

Especificações:
Autor: Tatsat, Hariom, Puri, Sahil, Lookabaugh, Brad
Editora: Editora Alta Books; 1ª Edição(31 de Outubro de 2024)
Idioma: Português
Brochura: 400 páginas
ISBN: 9788550821825
Dimensões: 16 x 23 x 2 cm