您?w選購
件商品
總計:
NT$
[
查看購物車/結帳
] [
關閉
]
幫助中心
|
我的帳號
|
關於我們
全文搜索
商品名
作者
出版社
ISBN
進階搜尋
首頁
本周新書
本月新書
熱點銷售
暢銷排行
每週排行
每月排行
同類熱銷排行榜
C程序設計(微課版高等學校電腦類創新與應用型系列教材)
辦公軟體高級應用案例實踐(Office2019高等院校技能應用型教材)/電腦應用系列
MySQL資料庫項目化教程(第2版高等職業教育軟體技術專業新形態教材)
中文版Photoshop2020從入門到精通(微課視頻全彩版)
短視頻策劃製作與運營(電子商務類融媒體教材新編21世紀職業教育精品教材)
操作系統原理(新工科建設之路電腦類專業規劃教材)
嵌入式單片機STM32原理及應用(電氣工程及其自動化自動化專業卓越工程能力培養與工程教育專業認證系列規劃教材)
控制工程基礎(第4版現代機械工程系列精品教材普通高等教育十一五國家級規劃教材)
誰說菜鳥不會數據分析(SPSS篇行業暢銷書升級版第2版)
最近瀏覽的商品
TensorFlow2機器學習實戰--聚焦經濟金融科研與產業的深度學習模型
作者:(瑞典)以賽亞·赫爾|責編:薛楊|譯者:朱文強
出版社:清華大學
ISBN:9787302631583
出版日期:2023/06/01
裝幀:平裝
頁數:247
人民幣:
RMB 88
元 售價:
元
內容大鋼
本書側重於實證維度的經濟和金融問題,以及如何用機器學習方法求解這些問題,通過建立相關模型得出相應的結論。這包括各種區分深度學習模型(DNNs、cnn、Istm和DONs)、生成機器學習模型(gan和VAEs)和基於樹的模型。本書內容還涵蓋了經濟學和機器學習的經驗方法的交叉,包括回歸分析,自然語言處理,和降維。本書的讀者對象為本專科學生以及研究生,在經濟和金融領域工作的數據科學家,公共和私營部門的經濟學家,以及社會科學研究者。
作者介紹
(瑞典)以賽亞·赫爾|責編:薛楊|譯者:朱文強
以賽亞·赫爾,是瑞典中央銀行研究部的資深經濟學家,博士畢業於美國波士頓學院,從事計算經濟學、機器學習、微觀金融、金融科技等方面的研究。Isaiah Hull博士也在DataCamp平台上講授課程,包括「基於Python的TensorFlow導論」(Introduction to TensorFlow in Python)等,目前正從事將量子計算、量子貨幣引入經濟學科中的交叉學科研究項目。
目錄
第1章 TensorFlow 2簡介
1.1 安裝TensorFlow
1.2 TensorFlow 2和TensorFlow 1的區別
1.3 TensorFlow與經濟金融
1.3.1 機器學習
1.3.2 理論模型
1.4 張量簡介
1.5 TensorFlow中的線性代數和微積分
1.5.1 常量和變數
1.5.2 線性代數
1.5.3 微分學
1.6 在TensorFlow中載入應用數據
1.7 本章小結
參考文獻
第2章 機器學習與經濟學
2.1 大數據:計量經濟學的新絕技(Varian,2014)
2.2 策略預測問題(Kleinberg等,2015)
2.3 「機器學習:一個應用計量經濟學技巧」(Mullainathan和Spiess,2017)
2.4 「機器學習對經濟學的影響」(Athey,2019)
2.4.1 機器學習和傳統計量經濟學方法
2.4.2 現有的機器學習程序
2.4.3 政策分析
2.4.4 研究熱點和預測
2.5 「經濟學家應該了解的機器學習方法」(Athey和Imbens,2019)
2.6 「將文本作為數據」(Gentzkow等,2019)
2.6.1 將文本表示為數據
2.6.2 統計方法
2.6.3 應用
2.7 「如何讓機器學習對宏觀經濟預測有用」(Coulombe等,2019)
2.8 本章小結
參考文獻
第3章 回歸
3.1 線性回歸
3.1.1 概述
3.1.2 普通最小二乘法
3.1.3 最小絕對偏差
3.1.4 其他的損失函數
3.2 部分線性模型
3.3 非線性回歸
3.4 邏輯回歸
3.5 損失函數
3.5.1 離散因變數
3.5.2 連續因變數
3.6 優化器
3.6.1 隨機梯度下降(Stochastic Gradient Descent,SGD)
3.6.2 一些改進的優化器
3.7 本章小結
參考文獻
第4章 樹
4.1 決策樹
4.1.1 概述
4.1.2 特徵工程
4.1.3 模型訓練
4.2 回歸樹
4.3 隨機森林
4.4 梯度提升樹
4.4.1 分類樹
4.4.2 回歸樹
4.5 模型調優
4.6 本章小結
參考文獻
第5章 圖像分類
5.1 圖像數據
5.2 神經網路
5.3 Keras
5.3.1 序貫式API
5.3.2 函數式API
5.4 Estimators
5.5 卷積神經網路
5.5.1 卷積層
5.5.2 卷積神經網路的訓練
5.6 預訓練好的模型
5.6.1 特徵提取
5.6.2 模型調優
5.7 本章小結
參考文獻
第6章 文本數據
6.1 數據清洗和準備
6.1.1 數據收集
6.1.2 文本數據表徵
6.1.3 數據準備
6.2 詞袋模型
6.3 基於詞典的方法
6.4 詞嵌入
6.5 主題建模
6.6 文本回歸
6.7 文本分類
6.8 本章小結
參考文獻
第7章 時間序列
7.1 機器學習的序貫模型
7.1.1 稠密神經網路
7.1.2 循環神經網路
7.1.3 長短期記憶
7.1.4 中間隱狀態
7.2 多元預測
7.2.1 LSTM
7.2.2 梯度提升樹
7.3 本章小結
參考文獻
第8章 降維
8.1 經濟學中的降維
8.1.1 主成分分析
8.1.2 偏最小二乘
8.2 自編碼器模型
8.3 本章小結
參考文獻
第9章 生成式模型
9.1 變分自編碼器
9.2 生成式對抗網路
9.3 經濟與金融領域的應用
9.4 本章小結
參考文獻
第10章 理論模型
10.1 處理理論模型
10.1.1 吃蛋糕問題
10.1.2 新古典商業周期模型
10.2 深度強化學習
10.3 本章小結
參考文獻
術語/短語中英文對照及索引表
Δ購買商品
購物流程
註冊帳戶
更改註冊資訊
Δ售後服務
退換貨原則
退換貨注意事項
退換貨流程
Δ訂單支付
付款方式
運費計算方式
Δ關於我們
關於美商天龍
聯絡我們
商品搜索:
全文搜索
商品名
作者
出版社
ISBN
|
高級搜索
首頁
│
新手上路
│
客服中心
│
關於我們
│
聯絡我們
│
Top↑
│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話:02-2381-2033 02-2381-1863 時間:週一-週五 10:00-17:00
服務信箱:bookuu@69book.com 客戶、意見信箱:
cs@69book.com
ICP證:浙B2-20060032