HOME > 상세정보

상세정보

(존 헐의) 비즈니스 금융 머신러닝 : 데이터 사이언스 세계로의 초대

자료유형
단행본
개인저자
Hull, John C., 1946- 이기홍, 역
서명 / 저자사항
(존 헐의) 비즈니스 금융 머신러닝 : 데이터 사이언스 세계로의 초대 / 존 헐 지음 ; 이기홍 옮김
발행사항
서울 :   에이콘,   2021  
형태사항
297 p. : 삽화, 도표 ; 23 cm
원표제
Machine learning in business : an introduction to the world of data science (2nd ed.)
ISBN
9791161754987
일반주기
색인수록  
일반주제명
Machine learning Data mining Big data Business --Mathematical models
000 00000cam c2200205 c 4500
001 000046123518
005 20220811104200
007 ta
008 220805s2021 ulkad 001c kor
020 ▼a 9791161754987 ▼g 93320
035 ▼a (KERIS)BIB000015825476
040 ▼a 211059 ▼c 211059 ▼d 211009
041 1 ▼a kor ▼h eng
082 0 4 ▼a 658.472 ▼2 23
085 ▼a 658.472 ▼2 DDCK
090 ▼a 658.472 ▼b 2021
100 1 ▼a Hull, John C., ▼d 1946- ▼0 AUTH(211009)48617
245 2 0 ▼a (존 헐의) 비즈니스 금융 머신러닝 : ▼b 데이터 사이언스 세계로의 초대 / ▼d 존 헐 지음 ; ▼e 이기홍 옮김
246 1 9 ▼a Machine learning in business : ▼b an introduction to the world of data science ▼g (2nd ed.)
260 ▼a 서울 : ▼b 에이콘, ▼c 2021
300 ▼a 297 p. : ▼b 삽화, 도표 ; ▼c 23 cm
500 ▼a 색인수록
650 0 ▼a Machine learning
650 0 ▼a Data mining
650 0 ▼a Big data
650 0 ▼a Business ▼x Mathematical models
700 1 ▼a 이기홍, ▼e
900 1 0 ▼a 헐, 존, ▼e
945 ▼a ITMT

소장정보

No. 소장처 청구기호 등록번호 도서상태 반납예정일 예약 서비스
No. 1 소장처 중앙도서관/제3자료실(4층)/ 청구기호 658.472 2021 등록번호 511053591 도서상태 대출가능 반납예정일 예약 서비스 B M
No. 2 소장처 중앙도서관/제3자료실(4층)/ 청구기호 658.472 2021 등록번호 511054219 도서상태 대출가능 반납예정일 예약 서비스 B M

컨텐츠정보

책소개

회귀분석, 로지스틱 회귀, KNN, 의사결정트리, SVM, 나이브 베이즈, 군집화, 차원축소 등의 다양한 고전적 머신러닝 기법뿐 아니라 신경망과 강화학습의 최신 기법도 최소한의 수학 지식으로 직관적으로 이해할 수 있도록 알려준다. 파생상품 교과서로 유명한 존 헐 교수의 방식대로 어려운 개념을 현실적인 예제와 간단한 수식으로 일반 독자도 잘 이해할 수 있도록 풀어쓴 책이다.

★ 이 책에서 다루는 내용 ★

■ 인기 있는 머신러닝 알고리즘에 대한 명확하고 간결한 설명
■ 머신러닝이 비즈니스에 적용되는 응용 사례
■ 매니저들이 데이터 과학자와 생산적으로 협업하는 데 필요한 지식
■ 데이터, 워크시트와 파이썬 코드 제공

★ 이 책의 대상 독자 ★

경영대학 학생들과 경영진들에게 머신러닝 입문 과정을 가르친 경험을 바탕으로 쓴 책이다. 이 책의 목적은 독자를 데이터 과학자로 전환하기 위한 것이 아니다. 대신 독자들에게 데이터 과학자가 사용하는 도구와 자신이 조직의 목적을 어떻게 진전시킬 수 있는지 이해할 수 있도록 돕는 것이다.


정보제공 : Aladin

저자소개

존 헐(지은이)

토론토 대학 조셉 엘 로트만 경영대학원의 대학교수다. 이 책을 쓰기 전에 파생상품과 위험관리 분야에서 베스트셀러 3권을 썼다. 그의 책 모두 실무 적용에 초점을 두고 있으며, 저자는 저서가 실무자와 대학 시장에서 동등하게 잘 팔린다는 것을 자랑스럽게 생각한다. 그리고 그는 금융 혁신의 모든 측면에서 연구와 교육 자료를 개발하는 로트맨의 금융 혁신 연구소 핀허브의 학술 이사다. 전 세계의 많은 기업을 위해 자문해 왔고 토론토 대학의 권위 있는 노스럽 프리에 상을 포함한 많은 교수 상을 받았다.

이기홍(옮긴이)

카네기멜론대학교에서 석사 학위를 받았고, 피츠버그대학교의 Finance Ph.D, CFA, FRM이자 금융, 투자, 경제분석전문가다. 삼성생명, HSBC, 새마을금고중앙회, 한국투자공사 등과 같은 국내 유수의 금융기관, 금융 공기업에서 자산 운용 포트폴리오 매니저로 근무했으며 현재 딥러닝과 강화학습을 금융에 접목시켜 이를 전파하고 저변을 확대하는 것을 보람으로 삼고 있다. 저서로는 『엑셀 VBA로 쉽게 배우는 금융공학 프로그래밍』(한빛미디어, 2009)이 있으며, 번역서로는 『포트폴리오 성공 운용』(미래에셋투자교육연구소, 2010), 『딥러닝 부트캠프 with 케라스』(길벗, 2017), 『프로그래머를 위한 기초 해석학』(길벗, 2018)과 에이콘출판사에서 출간한 『실용 최적화 알고리즘』(2020), 『초과 수익을 찾아서 2/e』(2020), 『자산운용을 위한 금융 머신러닝』(2021), 『실전 알고리즘 트레이딩 배우기』(2021), 『존 헐의 비즈니스 금융 머신러닝 2/e』(2021), 『퀀트 투자를 위한 머신러닝o딥러닝 알고리듬 트레이딩 2/e』(2021), 『자동머신러닝』(2021), 『금융 머신러닝』(2022) 등이 있다. 누구나 자유롭게 머신러닝과 딥러닝을 자신의 연구나 업무에 적용해 활용하는 그날이 오기를 바라며 매진하고 있다.

정보제공 : Aladin

목차

1장. 소개
1.1 본서와 부속 자료
1.2 머신러닝 모델의 종류
1.3 검증 및 테스트
1.4 데이터 정제
__일관성이 없는 기록
__원하지 않는 관측치
__중복 관측치
__특이치
__결측 데이터
1.5 베이즈 정리
__요약
__짧은 개념 질문
__연습문제

2장. 비지도학습
2.1 특성 스케일링
2.2 k - 평균 알고리즘
2.3 k 선택하기
2.4 차원의 저주
2.5 국가 위험
2.6 다른 군집화 접근 방식
2.7 주성분 분석
__요약
__짧은 개념 질문
__연습문제

3장. 지도학습: 선형과 로지스틱 회귀
3.1 선형 회귀: 한 개의 특성
3.2 선형 회귀: 여러 특성
__그래디언트 하강 알고리즘
__다항식 회귀 분석
__회귀 통계량
3.3 범주형 특성
__더미변수 함정
3.4 규제화
3.5 릿지 회귀
3.6 라쏘 회귀
3.7 일래스틱넷 회귀
3.8 주택가격 데이터 결과
3.9 로지스틱 회귀
3.10 결정 기준
3.11 신용 결정에 대한 응용
3.12 k - 최근접 이웃 알고리즘
__요약
__짧은 개념 질문
__연습문제

4장. 의사결정 트리
4.1 의사결정 트리의 성격
4.2 정보 이득 척도
4.3 신용결정에의 응용
4.4 나이브 베이즈 분류기
4.5 연속형 타깃변수
4.6 앙상블 학습
__배깅
__랜덤 포레스트
__부스팅
__요약
__짧은 개념 질문
__연습문제

5장. 지도학습: SVM
5.1 선형 SVM 분류
5.2 소프트 마진을 위한 수정
5.3 비선형 분리
5.4 연속변수 예측
__요약
__짧은 개념 질문
__연습문제

6장. 지도학습: 신경망
6.1 단일층 ANN
6.2 다층 ANN
6.3 그래디언트 하강 알고리즘
__다중 파라미터
6.4 기본방법의 변형
6.5 종료 규칙
6.6 블랙 - 숄즈 - 머튼 공식
6.7 확장
6.8 오토인코더
6.9 합성곱 신경망
6.10 순환 신경망
__요약
__짧은 개념 질문
__연습문제

7장. 강화학습
7.1 멀티암드 밴딧 문제
7.2 변화하는 환경
7.3 님 게임
7.4 시차학습
7.5 딥 Q - 러닝
7.6 응용
__요약
__짧은 개념 질문
__연습문제

8장. 자연어 처리
8.1 데이터 원천
8.2 전처리
8.3 단어 주머니 모델
8.4 나이브 베이즈 분류기의 적용
8.5 다른 알고리즘의 적용
8.6 정보 검색
8.7 다른 자연어 응용
__요약
__짧은 개념 질문
__연습문제

9장. 모델 해석성
9.1 선형회귀
9.2 로지스틱 회귀 분석
9.3 블랙박스 모델
9.4 샤플리값
9.5 라임
__요약
__간단한 개념 질문
__연습문제

10장. 금융에서의 응용
10.1 파생상품
10.2 델타
10.3 변동성 표면
10.4 변동성 표면 움직임의 이해
10.5 헷징을 위한 강화학습 사용
10.6 확장
10.7 기타 금융 애플리케이션
__요약
__짧은 개념 질문
__연습문제

11장. 사회적 이슈
11.1 데이터 보안성
11.2 편향
11.3 윤리
11.4 투명성
11.5 적대적 머신러닝
11.6 법적 이슈
11.7 인간 대 머신

__연습문제 해답
__용어 사전

관련분야 신착자료

김영순 (2022)
小平龍四郞 (2022)