机器学习及其应用 - 第2页

...利率及其他金融衍生品等）讲解如何开发金融应用程序以及利用不同的算法实现风险分析。之后，你将学习如何对时间序列数据进行统计分析，了解如何搭建算法交易平台以利用高频数据设计交易策略，以及如何构建事件...

...第4部分介绍Python在算法交易上的应用，重点介绍常见算法，包括机器学习、深度神经网络等人工智能相关算法；第5部分讲解基于蒙特卡洛模拟开发期权及衍生品定价的应用，其内容涵盖了估值框架的...

汇编语言是一种面向机器的底层编程语言。本书将计算机汇编语言与软件逆向分析技术结合在一起，从汇编语言的角度介绍处理器、操作系统和应用软件的底层设计，通过逆向分析技术进一步理解系统和程序...

...Docker书，也非常适合作为学习Docker的第一本入门书。Docker是一个开源的应用容器引擎，让开发者可以将他们的应用和依赖包打包到一个可移植的容器中，然后发布到任何流行的Linux机器上，也...

...分类回归树（CART）算法等。第三部分则重点介绍无监督学习及其一些主要算法：k均值聚类算法、Apriori算法、FP-Growth算法。第四部分介绍了机器学习算法的一些附属工具。全书通过精心编排的实例，切入日常工作...

...机器学习基础，介绍了机器学习的概念、数学基础、思想方法和最简单的机器学习算法；第二部分为参数化模型，讲解线性模型、神经网络等算法；第三部分为非参数化模型，主要讨论支持向量机和决策树模型及其...

...赋予它的能力。复杂自适应系统理论提出者约翰·霍兰德借助模型和还原思想，建立了研究涌现现象的普适框架，扫清了研究道路上的障碍，推动了复杂自适应系统、机器学习、人工智能等领域的长足发展。

...深度学习解决方案，包括图像识别、自然语言处理、时间序列预测和机器人操纵等。还讨论了采用诸如TensorFlow、PyTorch、Keras和CNTK等流行的深度学习开源框架用于实际问题的解决方案及其优缺点。本书内容包括：用于深度学习的...

...答案，谨供富有进取心的读者启发思考。本书可作为高等院校计算机、自动化及相关专业的本科生或研究生教材，也可供对机器学习感兴趣的研究人员和工程技术人员阅读参考。