Effective Statistical Learning Methods for Actuaries III
Neural Networks and Extensions
Sorozatcím: Springer Actuarial;
-
8% KEDVEZMÉNY?
- A kedvezmény csak az 'Értesítés a kedvenc témákról' hírlevelünk címzettjeinek rendeléseire érvényes.
- Kiadói listaár EUR 53.49
-
22 690 Ft (21 609 Ft + 5% áfa)
Az ár azért becsült, mert a rendelés pillanatában nem lehet pontosan tudni, hogy a beérkezéskor milyen lesz a forint árfolyama az adott termék eredeti devizájához képest. Ha a forint romlana, kissé többet, ha javulna, kissé kevesebbet kell majd fizetnie.
- Kedvezmény(ek) 8% (cc. 1 815 Ft off)
- Discounted price 20 874 Ft (19 880 Ft + 5% áfa)
22 690 Ft
Beszerezhetőség
Becsült beszerzési idő: A Prosperónál jelenleg nincsen raktáron, de a kiadónál igen. Beszerzés kb. 3-5 hét..
A Prosperónál jelenleg nincsen raktáron.
Why don't you give exact delivery time?
A beszerzés időigényét az eddigi tapasztalatokra alapozva adjuk meg. Azért becsült, mert a terméket külföldről hozzuk be, így a kiadó kiszolgálásának pillanatnyi gyorsaságától is függ. A megadottnál gyorsabb és lassabb szállítás is elképzelhető, de mindent megteszünk, hogy Ön a lehető leghamarabb jusson hozzá a termékhez.
A termék adatai:
- Kiadás sorszáma 1st ed. 2019
- Kiadó Springer
- Megjelenés dátuma 2019. november 13.
- Kötetek száma 1 pieces, Book
- ISBN 9783030258269
- Kötéstípus Puhakötés
- Terjedelem250 oldal
- Méret 235x155 mm
- Súly 454 g
- Nyelv angol
- Illusztrációk 3 Illustrations, black & white; 75 Illustrations, color 70
Kategóriák
Rövid leírás:
Artificial intelligence and neural networks offer a powerful alternative to statistical methods for analyzing data. This book reviews some of the most recent developments in neural networks, with a focus on applications in actuarial sciences and finance.
The third volume of the trilogy simultaneously introduces the relevant tools for developing and analyzing neural networks, in a style that is mathematically rigorous and yet accessible. The authors proceed by successive generalizations, requiring of the reader only a basic knowledge of statistics.
Various topics are covered from feed-forward networks to deep learning, such as Bayesian learning, boosting methods and Long Short Term Memory models. All methods are applied to claims, mortality or time-series forecasting.
This book is written for masters students in the actuarial sciences and for actuaries wishing to update their skills in machine learning.
Több
Hosszú leírás:
This book reviews some of the most recent developments in neural networks, with a focus on applications in actuarial sciences and finance. It simultaneously introduces the relevant tools for developing and analyzing neural networks, in a style that is mathematically rigorous yet accessible.
Artificial intelligence and neural networks offer a powerful alternative to statistical methods for analyzing data. Various topics are covered from feed-forward networks to deep learning, such as Bayesian learning, boosting methods and Long Short Term Memory models. All methods are applied to claims, mortality or time-series forecasting.
Requiring only a basic knowledge of statistics, this book is written for masters students in the actuarial sciences and for actuaries wishing to update their skills in machine learning.
This is the third of three volumes entitled Effective Statistical Learning Methods for Actuaries. Written by actuaries for actuaries, this series offers a comprehensive overview of insurance data analytics with applications to P&C, life and health insurance. Although closely related to the other two volumes, this volume can be read independently.
?Intended for students and practicing actuaries, this book follows its presentations of neural network methods with detailed case studies using insurance data. ? The unified approach lays a solid foundation for understanding non-likelihood methods readers may later encounter.? (David R. Bickel, Mathematical Reviews, May, 2021)
TöbbTartalomjegyzék:
Preface. - Feed-forward Neural Networks. - Byesian Neural Networks and GLM. - Deep Neural Networks.- Dimension-Reduction with Forward Neural Nets Applied to Mortality. - Self-organizing Maps and k-means clusterin in non Life Insurance. - Ensemble of Neural Networks.- Gradient Boosting with Neural Networks. - Time Series Modelling with Neural Networks.- References.
Több
