CGFT 特許全球金融科技師 (一級）《機器學(xué)習(xí)原理與應(yīng)用》科目章節(jié)

基于機器學(xué)習(xí)的投資組合管理、預(yù)防和檢測金融領(lǐng)域的欺詐行為；利用機器學(xué)習(xí)算法輔助交易決策；金融風(fēng)險管理也廣泛使用機器學(xué)習(xí) ...... 機器學(xué)習(xí)在現(xiàn)代金融領(lǐng)域的應(yīng)用廣泛而深入。

如此龐雜的技術(shù)體系，我們還是從基礎(chǔ)學(xué)起吧：CGFT 特許全球金融科技師 (一級）《機器學(xué)習(xí)原理與應(yīng)用》

課程目錄

第 一章：機器學(xué)習(xí)基礎(chǔ)

什么是機器學(xué)習(xí)？

貝葉斯統(tǒng)計推斷

優(yōu)化簡介

優(yōu)化簡介(續(xù))

機器學(xué)習(xí)理論基礎(chǔ)

K-近鄰

樸素貝葉斯 (Naive Bayes)

衡量分類問題好壞的統(tǒng)計指標(biāo)

用于模型選擇的交叉驗證方法, 正則化

第二章：邏輯回歸，樹模型和集成學(xué)習(xí)

邏輯回歸

特征選擇, 文本統(tǒng)計處理

圖像識別

決策樹，基尼不純度

商, 決策樹的建立

決策樹: 模型參數(shù)

回歸樹

集成學(xué)習(xí): 隨機森林

集成學(xué)習(xí): GBM，XGBoost

第三章：支持向量機，無監(jiān)督學(xué)習(xí)

支持向量機: 線性分類

軟邊際，和邏輯回歸的比較

支持向量機: 非線性和核函數(shù)

支持向量機: 幾何解釋

無監(jiān)督學(xué)習(xí)：降維， 主成分分析 (PCA)

特征降維在監(jiān)督學(xué)習(xí)中的應(yīng)用

無監(jiān)督學(xué)習(xí)：聚類

第四章：神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)

神經(jīng)網(wǎng)絡(luò)：從邏輯回歸到 MLP

激活函數(shù)

目標(biāo)損失函數(shù)，反向傳播

多層感知器例子

Keras / TensorFlow 和神經(jīng)網(wǎng)絡(luò)

深度學(xué)習(xí)中的優(yōu)化

卷積神經(jīng)網(wǎng)絡(luò) CNN

卷積神經(jīng)網(wǎng)絡(luò)在圖像處理中的應(yīng)用

循環(huán)神經(jīng)網(wǎng)絡(luò) RNN

循環(huán)神經(jīng)網(wǎng)絡(luò) LSTM

LSTM 在自然語言處理中的應(yīng)用

                                  （信息來源CGFT公眾號）