A termék adatai:
| ISBN13: | 9783658417192 |
| ISBN10: | 3658417196 |
| Kötéstípus: | Puhakötés |
| Terjedelem: | 500 oldal |
| Méret: | 235x155 mm |
| Nyelv: | német |
| Illusztrációk: | Etwa 500 S. |
| 700 |
Témakör:
Künstliche Intelligenz in der Finanzwirtschaft
Daten, Methoden und Anwendungen
Kiadás sorszáma: 1. Aufl. 2024
Kiadó: Springer Gabler
Megjelenés dátuma: 2025. január 26.
Kötetek száma: 1 pieces, Book
Normál ár:
Kiadói listaár:
EUR 64.99
EUR 64.99
Az Ön ára:
22 163 (21 108 Ft + 5% áfa )
Kedvezmény(ek): 20% (kb. 5 541 Ft)
A kedvezmény érvényes eddig: 2024. december 31.
A kedvezmény csak az 'Értesítés a kedvenc témákról' hírlevelünk címzettjeinek rendeléseire érvényes.
Kattintson ide a feliratkozáshoz
Kattintson ide a feliratkozáshoz
Beszerezhetőség:
Még nem jelent meg, de rendelhető. A megjelenéstől számított néhány héten belül megérkezik.
Rövid leírás:
Dieses Lehrbuch stellt die wesentlichen Methoden und Anwendungsgebiete der Künstlichen Intelligenz und der Analyse großer Datenmengen bei Finanzintermediären und Industrieunternehmen im Bereich der Finanzwirtschaft dar. Es vermittelt die Grundlagen und fortgeschrittene Methoden der KI und ihrer Anwendungen in der Finanzwirtschaft und unterstützt bei der Vorbereitung auf das Berufsleben im quantitativen Asset- und Risikomanagement. Das Buch kann begleitend zu universitären Lehrveranstaltungen im Bereich Financial Data Analytics, Risiko- und Investmentmanagement benutzt werden.
Hosszú leírás:
Dieses Lehrbuch stellt die wesentlichen Methoden und Anwendungsgebiete der Künstlichen Intelligenz und der Analyse großer Datenmengen bei Finanzintermediären und Industrieunternehmen im Bereich der Finanzwirtschaft dar. Es vermittelt die Grundlagen und fortgeschrittene Methoden der KI und ihrer Anwendungen in der Finanzwirtschaft und unterstützt bei der Vorbereitung auf das Berufsleben im quantitativen Asset- und Risikomanagement. Das Buch kann begleitend zu universitären Lehrveranstaltungen im Bereich Financial Data Analytics, Risiko- und Investmentmanagement benutzt werden.
Tartalomjegyzék:
Datenarten, Datenquellen und Datenaufbereitung.- Klassische Regressionsverfahren.- LASSO, Ridge-Regression und Elastic-Net-Regularisierung.- Kreuzvalidierung.- K-Nächste-Nachbarn-Klassifikation, Support Vector Machines und ihre Anwendung im Kreditrisikomanagement.- Klassifikations-/Regressionsbäume und Anwendungen im Asset Pricing.- Künstliche Neuronale Netze, tiefes maschinelles Lernen und Mustererkennung in Finanzdaten.- Regulierung von KI in der Finanzwirtschaft.- Ethische Aspekte.