金融中的机器学习

机器学习是设计与应用算法的科学，可从数据中行学习和预测，其应用已经非常普遍。金融领域集中了大量的交易数据，为人工智能技术的运用奠定了良好的数据基础。本书面向金融领域的读者，介绍了机器学习技术的原理与实践。 本书包括10章，介绍了神经网络算法、结构化数据的处理、计算机视觉处理技术、时间序列分析、自然语言处理、生成模型的应用、强化学习技术、数据建模与调试、贝叶斯推理和概率编程等内容。 本书由资深金融从业者编写，融合了其在金融项目中关于机器学习的实践经验，适合金融领域的数据科学家、数据分析师、金融科技公司的技术研发人员以及对金融领域的机器学习技术感兴趣的读者阅读。
【推荐语】
1. 本书是聚焦于金融业的现代机器学习使用指南 2. 配套代码 图片讲解帮助读者快速上手 3. 详细的理论推到和算法分析，引导读者了解机器学习的内核 4. 知识与代码示例环环相扣，理论与编程实践完美结合
【作者】
简尼斯·克拉斯（Jannes Klaas）是一名拥有金融学和经济学背景的量化分析师。他曾主导过两个机器学习训练营项目，也同研发数据驱动类应用的公司和交易策略类公司有过合作。目前，他的研究领域包括系统风险和大规模自动化的知识挖掘。