Машинное обучение:алгоритмы для бизнеса

Машинное обучение:алгоритмы для бизнеса

Маркос Лопез де Прадо

     

бумажная книга

17.93 USD


В корзину


Наличие на складе:

Склад в Москве

Ожидаемое поступление (если вы сделаете заказ прямо сейчас): 15.11.2024; планируемая отправка: 16.11.2024

Склад в С.-Петербурге

Ожидаемое поступление (если вы сделаете заказ прямо сейчас): 18.11.2024; планируемая отправка: 19.11.2024



Издательство: Питер
Серия: IT для бизнеса
Дата выхода: апрель 2019
ISBN: 978-5-4461-1154-1
Объём: 432 страниц
Масса: 550 г
Размеры(В x Ш x Т), см: 24 x 17
Обложка: мягкая
Переводное издание +

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 синоним 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.

 

Маркос Лопез де Прадо управляет многомиллиардными фондами, используя алгоритмы МО и суперкомпьютеры. Он основал компанию Guggenheim Partners’ Quantitative Investment Strategies (QIS), где разработал высокоэффективные стратегии, позволяющие гарантировать максимальные возвраты на вложенный капитал с поправкой на риск, затем выкупил QIS и успешно развернул этот бизнес в 2018 году. Маркос Лопез де Прадо входит в топ-10 самых читаемых авторов в области финансов благодаря десяткам научных статей, посвященных машинному обучению.

Каталог