Apprendimento automatico (Machine learning)

Active filters

Big data e sentiment analysis. Il...

Guidolin
EGEA

Disponibile in libreria

38,00 €
Il volume fornisce un'introduzione all'uso dei big data e delle tecniche di analisi, tra cui il machine learning, per la stima e l'impiego di indicatori di sentiment nell'asset management. Particolare enfasi viene data alla distinzione tra le molteplici opportunità offerte da fonti di dati alternativi nella teoria e nella pratica della gestione di portafoglio e alla necessità di incorporare il sentiment nei processi decisionali tipici dell'asset management. Oltre a una trattazione teorica, che spazia dai principi della finanza comportamentale alle moderne metodologie del machine learning, il testo è arricchito da casi di studio derivati dalla pratica aziendale su come il sentiment possa influenzare le strategie di portafoglio. Particolare attenzione è riservata agli indicatori di sentiment inferibili dai social media e alle tecniche di analisi testuale. Le varie tecniche di analisi del sentiment sono applicate alle diverse tipologie di portafoglio e approcci di gestione, distinguendo tra mercati azionari, obbligazionari, delle commodity e valutari. Si esamina, inoltre, come il sentiment possa essere sfruttato per prevedere eventi ricorrenti, ivi comprese le crisi finanziarie.

Il deep learning con Tensorflow 2

Agliata Antonio
Easyread

Disponibile in libreria in 3 giorni

29,90 €
Questo libro nasce dall'esperienza e dalla passione maturata negli anni degli autori, nell'ambito professionale. Mira a far acquisire tutte le nozioni necessarie per poter conseguire la certificazione di TensorFlow 2. TensorFlow 2.0 è stato da poco rilasciato offrendo nuove funzionalità che semplificano lo sviluppo del modello e i processi di manutenzione. Naturalmente si analizzeranno le varie tecniche per preprocessare i dati e i modelli della biografia dell'intelligenza artificiale applicati a dataset esistenti. Il testo, avendo un taglio pratico teorico, si rivolge sia a chi si approccia per la prima vota a questo modo sia per appassionati. Il libro è diviso in tre parti, la prima si concentra sullo stack tecnologico oltre le basi e la sintassi della libreria TensorFlow 2.0. Nella seconda parte del testo si inizia a considerare le serie storiche, sequenze e previsioni per concentrarsi sulla classificazione delle immagini. Infine, nell'ultima parte si tratterà il Natural language processing (NLP).