Descripción
Capítulo 1: TensorFlow 2.0
Objetivo del capítulo: Introducir TensorFlow 2 y analizar el material preliminar sobre las convenciones y prácticas específicas de TensorFlow.
- Diferencias entre iteraciones de TensorFlow
- TensorFlow para economía y finanzas
- Introducción a los tensores
- Repaso de álgebra lineal y cálculo
- Carga de datos para usar en TensorFlow
- Definición de constantes y variables
Capítulo 2: Aprendizaje automático y economía
Objetivo del capítulo: Proporcionar una visión general de alto nivel de los modelos de aprendizaje automático y explicar cómo pueden emplearse en economía y finanzas. Parte del capítulo revisará el trabajo existente en economía y especulará sobre futuros casos de uso.
- Introducción al aprendizaje automático- Aprendizaje automático para economía y finanzas
- Aprendizaje automático no supervisado
- Aprendizaje automático supervisado
- Regularización
- Predicción
- Evaluación
Capítulo 3: Regresión
Objetivo del capítulo: Explicar cómo los modelos de regresión se utilizan principalmente para fines de predicción en el aprendizaje automático, en lugar de para pruebas de hipótesis, como ocurre en economía. Introducir métricas de evaluación y rutinas de optimización utilizadas para resolver modelos de regresión.
- Regresión lineal
- Regresión parcialmente lineal
- Regresión no lineal
- Regresión logística
- Funciones de pérdida
- Métricas de evaluación
- Optimizadores
Capítulo 4: Árboles
Objetivo del capítulo: Introducir modelos basados en árboles y el concepto de ensambles.
- Árboles de decisión- Árboles de regresión
- Bosques aleatorios
- Ajuste de modelos
Capítulo 5: Boosting de gradiente
Objetivo del capítulo: Introducir el boosting de gradiente y discutir cómo se aplica, cómo se ajustan los modelos y cómo identificar características importantes.
- Introducción al boosting de gradiente
- Boosting con modelos de regresión
- Boosting con árboles- Ajuste de modelos
- Importancia de las características
Capítulo 6: Imágenes
Objetivo del capítulo: Introducir las API de alto nivel Keras y Estimators. Explicar cómo estas bibliotecas se pueden usar para realizar la clasificación de imágenes utilizando una variedad de modelos de aprendizaje profundo. Además, discutir el uso de modelos preentrenados y el ajuste fino. Especular sobre los usos de la clasificación de imágenes en economía y finanzas.
- Keras
- Estimadores- Preparación de datos
- Redes neuronales profundas
Autor: Isaiah Hull
Editorial: Apress
Publicado: 26/11/2020
Páginas: 368
Tipo de encuadernación: Tapa blanda
Peso: 1.18lbs
Tamaño: 9.21h x 6.14w x 0.79d
ISBN13: 9781484263723
ISBN10: 1484263723
Categorías BISAC:
- Informática | Inteligencia Artificial | General
Acerca del autor
Isaiah Hull recibió su doctorado en Economía de Boston College en 2013 y desde entonces ha trabajado en la División de Investigación del Banco Central de Suecia. Ha publicado numerosos artículos en revistas académicas, principalmente centrados en economía computacional con aplicaciones en macroeconomía, finanzas y vivienda. La mayor parte de su trabajo reciente utiliza técnicas de aprendizaje automático. También presenta regularmente ponencias en conferencias sobre aprendizaje automático y big data en economía. E Isaiah es un profesor consumado con experiencia en la enseñanza de TensorFlow 2.0. Actualmente, está trabajando en un proyecto para introducir la computación cuántica a los economistas.