{"product_id":"machine-learning-for-economics-and-finance-in-tensorflow-2-deep-learning-models-for-research-and-industry-9781484263723","title":"Aprendizaje automático para la economía y las finanzas en Tensorflow 2: modelos de aprendizaje profundo para la investigación y la industria","description":"\u003cp\u003e\u003ci\u003eCapítulo 1: TensorFlow 2.0\u003c\/i\u003e\u003c\/p\u003e\u003cp\u003e\u003ci\u003eObjetivo del capítulo: Introducir TensorFlow 2 y analizar el material preliminar sobre las convenciones y prácticas específicas de TensorFlow. \u003c\/i\u003e\u003c\/p\u003e\u003cp\u003e- \u003ci\u003eDiferencias entre iteraciones de TensorFlow\u003c\/i\u003e\u003c\/p\u003e\u003cp\u003e- \u003ci\u003eTensorFlow para economía y finanzas\u003c\/i\u003e\u003c\/p\u003e\u003cp\u003e- \u003ci\u003eIntroducción a los tensores\u003c\/i\u003e\u003c\/p\u003e\u003cp\u003e- \u003ci\u003eRepaso de álgebra lineal y cálculo\u003c\/i\u003e\u003c\/p\u003e\u003cp\u003e- \u003ci\u003eCarga de datos para usar en TensorFlow\u003c\/i\u003e\u003c\/p\u003e\u003cp\u003e- \u003ci\u003eDefinición de constantes y variables\u003c\/i\u003e\u003c\/p\u003e\u003cp\u003e\u003ci\u003e \u003c\/i\u003e\u003c\/p\u003e\u003cp\u003e\u003ci\u003e \u003c\/i\u003e\u003c\/p\u003e\u003cp\u003e\u003ci\u003e \u003c\/i\u003e\u003c\/p\u003e\u003cp\u003e\u003ci\u003eCapítulo 2: Aprendizaje automático y economía\u003c\/i\u003e\u003c\/p\u003e\u003cp\u003e\u003ci\u003eObjetivo 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.\u003c\/i\u003e\u003c\/p\u003e- \u003ci\u003eIntroducción al aprendizaje automático\u003c\/i\u003e\u003cp\u003e\u003c\/p\u003e\u003cp\u003e- \u003ci\u003eAprendizaje automático para economía y finanzas\u003c\/i\u003e\u003c\/p\u003e\u003cp\u003e- \u003ci\u003eAprendizaje automático no supervisado\u003c\/i\u003e\u003c\/p\u003e\u003cp\u003e- \u003ci\u003eAprendizaje automático supervisado\u003c\/i\u003e\u003c\/p\u003e\u003cp\u003e- \u003ci\u003eRegularización\u003c\/i\u003e\u003c\/p\u003e\u003cp\u003e- \u003ci\u003ePredicción\u003c\/i\u003e\u003c\/p\u003e\u003cp\u003e- \u003ci\u003eEvaluación\u003c\/i\u003e\u003c\/p\u003e\u003cp\u003e\u003ci\u003e \u003c\/i\u003e\u003c\/p\u003e\u003cp\u003e\u003ci\u003eCapítulo 3: Regresión\u003c\/i\u003e\u003c\/p\u003e\u003cp\u003e\u003ci\u003eObjetivo 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. \u003c\/i\u003e\u003c\/p\u003e\u003cp\u003e- \u003ci\u003eRegresión lineal\u003c\/i\u003e\u003c\/p\u003e\u003cp\u003e- \u003ci\u003eRegresión parcialmente lineal\u003c\/i\u003e\u003c\/p\u003e\u003cp\u003e- \u003ci\u003eRegresión no lineal\u003c\/i\u003e\u003c\/p\u003e\u003cp\u003e- \u003ci\u003eRegresión logística\u003c\/i\u003e\u003c\/p\u003e\u003cp\u003e- \u003ci\u003eFunciones de pérdida\u003c\/i\u003e\u003c\/p\u003e\u003cp\u003e- \u003ci\u003eMétricas de evaluación\u003c\/i\u003e\u003c\/p\u003e- \u003ci\u003eOptimizadores\u003c\/i\u003e\u003cp\u003e\u003c\/p\u003e\u003cp\u003e\u003ci\u003e \u003c\/i\u003e\u003c\/p\u003e\u003cp\u003e\u003ci\u003eCapítulo 4: Árboles\u003c\/i\u003e\u003c\/p\u003e\u003cp\u003e\u003ci\u003eObjetivo del capítulo: Introducir modelos basados en árboles y el concepto de ensambles.\u003c\/i\u003e\u003c\/p\u003e- \u003ci\u003eÁrboles de decisión\u003c\/i\u003e\u003cp\u003e\u003c\/p\u003e\u003cp\u003e- \u003ci\u003eÁrboles de regresión\u003c\/i\u003e\u003c\/p\u003e\u003cp\u003e- \u003ci\u003eBosques aleatorios\u003c\/i\u003e\u003c\/p\u003e\u003cp\u003e- \u003ci\u003eAjuste de modelos\u003c\/i\u003e\u003c\/p\u003e\u003cp\u003e\u003ci\u003e \u003c\/i\u003e\u003c\/p\u003e\u003cp\u003e\u003ci\u003eCapítulo 5: Boosting de gradiente\u003c\/i\u003e\u003c\/p\u003e\u003cp\u003e\u003ci\u003eObjetivo del capítulo: Introducir el boosting de gradiente y discutir cómo se aplica, cómo se ajustan los modelos y cómo identificar características importantes.\u003c\/i\u003e\u003c\/p\u003e\u003cp\u003e- \u003ci\u003eIntroducción al boosting de gradiente\u003c\/i\u003e\u003c\/p\u003e\u003cp\u003e- \u003ci\u003eBoosting con modelos de regresión\u003c\/i\u003e\u003c\/p\u003e- \u003ci\u003eBoosting con árboles\u003c\/i\u003e\u003cp\u003e\u003c\/p\u003e\u003cp\u003e- \u003ci\u003eAjuste de modelos\u003c\/i\u003e\u003c\/p\u003e\u003cp\u003e- \u003ci\u003eImportancia de las características\u003c\/i\u003e\u003c\/p\u003e\u003cp\u003e\u003ci\u003e \u003c\/i\u003e\u003c\/p\u003e\u003cp\u003e\u003ci\u003eCapítulo 6: Imágenes\u003c\/i\u003e\u003c\/p\u003e\u003cp\u003e\u003ci\u003eObjetivo 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.\u003c\/i\u003e\u003c\/p\u003e\u003cp\u003e- \u003ci\u003eKeras\u003c\/i\u003e\u003c\/p\u003e- \u003ci\u003eEstimadores\u003c\/i\u003e\u003cp\u003e\u003c\/p\u003e\u003cp\u003e- \u003ci\u003ePreparación de datos\u003c\/i\u003e\u003c\/p\u003e\u003cp\u003e- \u003ci\u003eRedes neuronales profundas\u003cbr\u003e\u003cbr\u003e\u003cb\u003eAutor:\u003c\/b\u003e \u003ca href=\"https:\/\/sureshotbooks-com.myshopify.com\/search?type=product%2Carticle%2Cpage\u0026amp;q=AUTH-13779997\"\u003eIsaiah Hull\u003c\/a\u003e\u003cbr\u003e\u003cb\u003eEditorial:\u003c\/b\u003e Apress\u003cbr\u003e\u003cb\u003ePublicado:\u003c\/b\u003e 26\/11\/2020\u003cbr\u003e\u003cb\u003ePáginas:\u003c\/b\u003e 368\u003cbr\u003e\u003cb\u003eTipo de encuadernación:\u003c\/b\u003e Tapa blanda\u003cbr\u003e\u003cb\u003ePeso:\u003c\/b\u003e 1.18lbs\u003cbr\u003e\u003cb\u003eTamaño:\u003c\/b\u003e 9.21h x 6.14w x 0.79d\u003cbr\u003e\u003cb\u003eISBN13:\u003c\/b\u003e 9781484263723\u003cbr\u003e\u003cb\u003eISBN10:\u003c\/b\u003e 1484263723\u003cbr\u003e\u003cb\u003eCategorías BISAC:\u003c\/b\u003e\u003cbr\u003e- \u003ca href=\"https:\/\/sureshotbooks-com.myshopify.com\/search?type=product%2Carticle%2Cpage\u0026amp;q=CAT-COM\"\u003eInformática\u003c\/a\u003e | \u003ca href=\"https:\/\/sureshotbooks-com.myshopify.com\/search?type=product%2Carticle%2Cpage\u0026amp;q=BISAC-COM004000\"\u003eInteligencia Artificial | General\u003c\/a\u003e\u003cbr\u003e\u003cbr\u003e\u003c\/i\u003e\u003c\/p\u003e\u003cp\u003e\u003cb\u003eAcerca del autor\u003c\/b\u003e\u003cbr\u003e\u003cb\u003eIsaiah Hull\u003c\/b\u003e 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.\u003c\/p\u003e","brand":"Apress","offers":[{"title":"Default Title","offer_id":42667210965229,"sku":"9781484263723","price":64.99,"currency_code":"USD","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/0550\/8097\/6621\/products\/img_867b9958-0cc7-4d20-941a-66eab76ab51c.jpg?v=1649441278","url":"https:\/\/sureshotbooks.com\/es\/products\/machine-learning-for-economics-and-finance-in-tensorflow-2-deep-learning-models-for-research-and-industry-9781484263723","provider":"SureShot Books Publishing LLC","version":"1.0","type":"link"}