| 000 | 00000cam c2200205 c 4500 | |
| 001 | 000046073950 | |
| 005 | 20210316180719 | |
| 007 | ta | |
| 008 | 210315s2021 ggkad 001c kor | |
| 020 | ▼a 9791158392321 ▼g 93000 | |
| 035 | ▼a (KERIS)BIB000015735713 | |
| 040 | ▼a 247009 ▼c 247009 ▼d 211009 | |
| 041 | 1 | ▼a kor ▼h eng |
| 082 | 0 4 | ▼a 332.0285631 ▼2 23 |
| 085 | ▼a 332.0285631 ▼2 DDCK | |
| 090 | ▼a 332.0285631 ▼b 2021 | |
| 100 | 1 | ▼a Klaas, Jannes |
| 245 | 2 0 | ▼a (금융 전문가를 위한) 머신러닝 알고리즘 : ▼b 파이썬으로 배우는 금융 머신러닝 알고리즘의 원리와 활용 / ▼d 얀네스 클라스 지음 ; ▼e 박진수 옮김 |
| 246 | 1 9 | ▼a Machine learning for finance : ▼b principles and practice for financial insiders |
| 260 | ▼a 파주 : ▼b 위키북스, ▼c 2021 | |
| 300 | ▼a xxii, 486 p. : ▼b 삽화, 도표 ; ▼c 24 cm | |
| 490 | 1 0 | ▼a 데이터 사이언스 시리즈 = ▼a DS ; ▼v 65 |
| 500 | ▼a 색인수록 | |
| 650 | 0 | ▼a Finance ▼x Data processing |
| 650 | 0 | ▼a Finance ▼x Mathematical models |
| 650 | 0 | ▼a Machine learning |
| 700 | 1 | ▼a 박진수, ▼e 역 |
| 830 | 0 | ▼a 데이터 사이언스 시리즈 ; ▼v 65 |
| 900 | 1 0 | ▼a 클라스, 얀네스, ▼e 저 |
| 945 | ▼a KLPA |
Holdings Information
| No. | Location | Call Number | Accession No. | Availability | Due Date | Make a Reservation | Service |
|---|---|---|---|---|---|---|---|
| No. 1 | Location Science & Engineering Library/Sci-Info(Stacks1)/ | Call Number 332.0285631 2021 | Accession No. 121256713 | Availability Available | Due Date | Make a Reservation | Service |
Contents information
Book Introduction
새롭게 발전한 머신러닝 기술을 탐구하고, 보험 처리나 이체 및 대출 관리를 비롯하여 다양한 금융 업무에 이 기술을 어떤 식으로 적용할 수 있을지를 보여준다. 핵심 머신러닝 기술에 필요한 개념과 알고리즘을 설명하고, 파이썬 코드로 작성한 예제를 제시해 모델을 직접 구현해 볼 수 있게 한다.
이 책은 저자가 금융 전문가 대상 머신러닝 교육 과정을 운영해 본 경험을 바탕으로 하여 저술하였다. 기존에 쓰이던 금융 알고리즘을 제공하기보다는, 다양한 방법으로 응용해 볼 수 있는 고등 머신러닝 개념들과 발상들에 초점을 맞추고 있다.
파이썬 코드를 사용해 금융 전문가용 인공지능(머신러닝과 딥러닝 포함) 영역으로 나아가기 위한 안내서!
《금융 전문가를 위한 머신러닝 알고리즘》에서는 새롭게 발전한 머신러닝 기술을 탐구하고, 보험 처리나 이체 및 대출 관리를 비롯하여 다양한 금융 업무에 이 기술을 어떤 식으로 적용할 수 있을지를 보여준다. 핵심 머신러닝 기술에 필요한 개념과 알고리즘을 설명하고, 파이썬 코드로 작성한 예제를 제시해 모델을 직접 구현해 볼 수 있게 한다.
이 책은 저자가 금융 전문가 대상 머신러닝 교육 과정을 운영해 본 경험을 바탕으로 하여 저술하였다. 기존에 쓰이던 금융 알고리즘을 제공하기보다는, 다양한 방법으로 응용해 볼 수 있는 고등 머신러닝 개념들과 발상들에 초점을 맞추고 있다.
★ 이 책에서 다루는 내용 ★
◎ 정형 데이터, 자연어, 사진, 문서에 적힌 글 등을 가지고 머신러닝을 하기
◎ 머신러닝 방식으로 부정거래(즉, 사기)를 감지하고, 재무적 추세를 예측하고, 고객정서를 분석하기
◎ 파이썬·사이킷·케라스·텐서플로를 사용해 휴리스틱 기반 방식, 시계열 처리 방식, 생성적 모델 구현 방식, 강화학습 방식을 구현하기
◎ 신경망이라는 주제를 깊이 파고 들어 생성적 적대 방식 신경망이나 강화학습 방식 신경망의 용례들을 조사하기
◎ 머신러닝 애플리케이션에 내재된 문제를 고치고 현업에서 쓸 수 있게 준비하기
◎ 머신러닝 과정에 끼어 들 수 있는 사람에 대한 편견을 머신러닝 모델이 극복하게 하고, 개인정보보호 문제를 해결하기
Information Provided By: :
Author Introduction
얀네스 클라스(지은이)
경제학 및 금융 분야 배경을 지닌 정량분석 연구원이다. 현재 옥스퍼드 대학교의 대학원생인 그는 이전에 두 차례에 걸쳐 머신러닝 부트 캠프를 이끌었고 여러 금융 회사와 함께 데이터 중심 애플리케이션 및 거래 전략을 연구했다. 그의 활발한 연구 관심사에는 시스템 리스크뿐만 아니라 대규모 자동 지식 발견도 포함된다.
박진수(옮긴이)
업으로 발판을 다지고 있다. 번역한 책으로 《사물인터넷을 위한 인공지능》 《실전! GAN 프로젝트》 《실전 예제로 배우는 GAN》 《전문가를 위한 머신러닝 솔루션》 《딥러닝 모델 설계를 떠받치는 기술》 《따라 하면서 배우는 유니티 ML-Agents》가 있다.
Table of Contents
▣ 01장: 신경망과 경사도 기반 최적화 이 책에서 할 여행 머신러닝이란? 지도학습 비지도학습 강화학습 ___데이터의 비합리적인 효과 ___모든 모델이 잘못되었다 작업 환경 구성 캐글 커널 사용 ___노트북을 로컬에서 실행하기 AWS의 딥러닝 AMI 사용 함수를 근사하기 전방 전달 로지스틱 회귀기 ___선형 회귀기를 파이썬으로 구현하기 모델 파라미터 최적화 모델 손실 측정 ___경사 하강법 ___역전파 ___파라미터 갱신 ___종합 더 깊은 망 케라스에 대한 간략한 소개 ___케라스 가져오기 ___케라스 내의 2개 계층 모델 ___케라스와 텐서플로 텐서와 계산 그래프 연습문제 요약 ▣ 02장: 정형 데이터에 머신러닝을 적용하기 데이터 휴리스틱, 특징 기반, 단대단 모델들 머신러닝 소프트웨어 스택 휴리스틱 접근 방식 ___휴리스틱 모델을 사용해 예측하기 ___F1 점수 ___혼동행렬을 사용해 평가하기 특징 공학적 접근 ___직관에서 비롯된 특징: 사기꾼은 잠들지 않는다 ___전문가의 통찰력: 이체 후 즉시 현금 인출 ___통계적 문제: 잔액 오류 케라스 라이브러리에서 쓸 수 있게 데이터를 준비하기 ___원핫 인코딩 ___엔터티 임베딩 케라스를 사용해 예측 모델들을 만들기 ___표적 추출 ___훈련용 집합을 만들기 ___검증용 집합을 만들기 ___훈련용 데이터를 과다표집하기 ___모델 구축 트리 기반 방법에 대한 간단한 입문서 ___간단한 결정 트리 ___랜덤포레스트 ___엑스지부스트 단대단 모델링 연습문제 요약 ▣ 03장: 컴퓨터 비전을 활용하기 합성곱 신경망 ___MNIST에 쓰이는 필터들 ___두 번째 필터 추가 컬러 이미지 처리에 쓰이는 필터 케라스 안에 합성곱 신경망을 쌓기 위한 블록들 ___Conv2D ___MaxPooling2D ___평탄화 ___조밀 ___MNIST 훈련 우리의 신경망을 더 도드라지게 하는 부분 ___모멘텀 ___Adam 최적화기 ___정칙화 ___드롭아웃 ___배치 정규화 큰 이미지 데이터셋을 사용해 작업하기 사전훈련 모델을 사용해 작업하기 ___VGG-16 수정 ___임의 이미지 확장 모듈성 상반관계 분류를 넘어서는 컴퓨터 비전 ___얼굴 인식 ___경계 상자 예측 연습문제 요약 ▣ 04장: 시계열을 이해하기 판다스로 데이터를 가시화하고 준비하기 ___전역 특징 통계량 집계 ___표본 시계열 검사 ___정상성 종류 ___정상성이 중요한 이유 ___시계열이 정상성을 띠게 하기 ___정상성 문제를 무시해도 될 때 고속 푸리에 변환 자기상관 훈련 요법 및 테스트 요법 구축 사후검정에 대한 참고 사항 중앙값 예측 ARIMA 칼만 필터 신경망을 이용해 예측하기 ___데이터 준비 Conv1D 확대된 합성곱과 인과적 합성곱 단순 RNN LSTM ___캐리 재귀 드롭아웃 베이즈 딥러닝 연습문제 요약 ▣ 05장: 자연어 처리 기법 기반 텍스트 분석 spaCy 입문 과정 안내 개체명 인식 ___NER 미세 조정 품사 태깅 규칙 기반 일치 ___사용자 정의 함수들을 정합기에 추가하기 ___파이프라인에 정합기를 추가하기 ___규칙 기반 시스템과 학습 기반 시스템을 조합하기 정규 표현식 ___파이썬의 정규식 모듈을 사용하기 ___판다스의 정규식 ___정규식을 사용해야 할 때와 사용하지 말아야 할 때 텍스트 분류 작업 데이터 준비 ___문자 정리 표제어 추출 ___표적치 준비 ___훈련 집합과 테스트 집합을 준비하기 단어 주머니 TF-IDF 토픽 모델링 단어 임베딩 ___단어 벡터를 사용해 훈련할 준비하기 ___사전 훈련 단어 벡터 적재 ___단어 벡터 사용 시계열 모델 단어 임베딩으로 문서 유사도를 계산하기 케라스의 함수형 API 둘러보기 주의 seq2seq 모델 ___seq2seq 아키텍처 개관 ___데이터 ___인코딩 문자들 ___추론 모델 생성 ___번역하기 연습문제 요약 ▣ 06장: 생성 모델 사용 오토인코더를 이해하기 ___MNIST용 오토인코더 ___신용카드용 오토인코더 t-SNE를 이용한 잠재공간 시각화 변분 오토인코더 ___MNIST 예제 ___람다 계층 사용 ___쿨백-라이블러 발산 ___사용자 지정 손실 만들기 ___VAE로 데이터를 생성하기 ___단대단 부정사용 탐지 시스템을 위한 VAE 시계열을 위한 VAE GAN ___MNIST용 GAN ___GAN 잠재벡터 이해 ___GAN 훈련 기법 적은 데이터 사용 - 능동학습 ___레이블 처리 비용을 절약하기 ___레이블을 다는 사람을 기계가 크게 돕게 하기 ___레이블이 없는 데이터에 유사 레이블을 달기 ___생성 모델 사용 부정사용 탐지용 SGAN 연습문제 요약 ▣ 07장: 금융시장을 위한 강화학습 캐치 - 강화학습에 대한 빠른 안내서 ___강화학습을 지도학습으로 바꾸는 Q 학습 ___Q 학습 모델 정의 ___캐치를 플레이하기 위한 훈련 마르코프 과정 및 벨만 방 강화학습에 대한 공식적인 소개 ___경제학 분야의 벨만 방정식 우위 연기자-비평가 모델들 ___균형을 향한 학습 ___거래를 학습하게 하기 진화전략과 유전알고리즘 강화학습이라는 기초공학을 위한 실용적인 요령 ___우수한 보상 함수를 설계하기 ___강건한 강화학습 최첨단 강화학습 ___다중 에이전트 강화학습 ___학습하는 방법을 학습하게 하기 ___강화학습을 통해 두뇌를 이해하기 연습문제 요약 ▣ 08장: 프라이버시, 디버깅, 런칭 데이터 디버깅 ___작업용으로 쓰기에 데이터가 적절한지를 확인하는 방법 ___데이터가 충분하지 않은 경우에 수행할 작업 ___데이터 단위 테스트 ___데이터를 비공개로 하고 법규를 준수하기 ___훈련용 데이터 준비 어떤 입력이 어떤 예측으로 이어지는지를 이해하기 모델 디버깅 ___하이페라스를 이용한 하이퍼파라미터 탐색 ___효율적인 학습속도를 알아내기 ___학습속도 스케쥴링 ___텐서보드를 사용해 훈련 과정을 살펴보기 ___경사도 폭증 및 소실 배포 ___신속한 출시 ___계량을 이해하고 관찰하기 ___데이터의 출처를 이해하기 성능을 높이기 위한 묘책 ___문제에 알맞은 하드웨어를 사용하기 ___텐서플로의 추정기들을 분산 훈련에 사용하기 ___CuDNNLSTM 같은 최적화 계층을 사용하기 ___파이프라인 최적화 ___Cython으로 코드 실행 속도를 높이기 ___빈번한 요청을 캐싱하기 연습문제 요약 ▣ 09장: 편향과 싸우기 머신러닝 시에 불공정성이 생기는 이유 법적 관점 관찰 가능 공정성 공정성을 띠게 하기 위한 훈련 인과적 학습 ___인과 모델 획득 ___도구변수 ___비선형 인과적 모델 공정성을 보장하기 위한 모델 해석 복잡계 실패로 인한 불공정성 공정성을 띠는 모델을 개발하기 위한 점검표 연습문제 요약 ▣ 10장: 베이즈 추론 및 확률계획법 베이즈 추론에 대한 직관적인 안내 ___평탄 사전분포 ___50% 이하 사전분포 ___사전분포와 사후분포 ___마르코프 연쇄 몬테칼로 ___메트로폴리스-헤이스팅스 MCMC ___얕은 확률 계획법부터 깊은 확률적 계획법까지 요약
