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)
學(xué)習(xí)交流群(掃碼免費加群)
- 1、新手入門
- 2、學(xué)習(xí)資料
- 3、免費課程
- 4、考試動態(tài)
- 5、備考干貨
- 6、答疑沖刺