经济 类型
可以朗读 语音朗读
107千字 字数
2020-08-01 发行日期
展开全部

主编推荐语

深度学习助力金融应用，丰富案例实操指南。

内容简介

本书主要讲解通过深度学习和机器学习知识，在金融领域的应用。如通过大数据分析获客，通过交叉信息采集分析客户的爱好和风险偏好，以及在量化投资中和客户服务中为读者提供相应的技术防范。内容涉及了深度学习技术中的 卷积网络，循环神经网络，注意力模型等，全书案例丰富，操作性强，适合有一定基础知识但想在深度学习领域继续加深实操的用户使用。

目录

  • 封面
  • 前折页
  • 书名页
  • 版权页
  • 推荐语
  • 前言
  • 目录
  • 第1章 金融与金融市场
  • 1.1 认识金融
  • 1.1.1 金融的细分领域
  • 1.1.2 金融研究的核心内容
  • 1.2 货币
  • 1.2.1 货币的内涵与作用
  • 1.2.2 货币的分类
  • 1.2.3 货币制度
  • 1.3 信用
  • 1.3.1 信用的定义
  • 1.3.2 信用的不同层次
  • 1.3.3 信用评价体系与企业
  • 1.4 金融机构
  • 1.4.1 按照地位和功能划分
  • 1.4.2 按照金融机构的管理地位划分
  • 1.4.3 按照是否能接收公众存款划分
  • 1.4.4 按照其他划分
  • 1.5 金融市场
  • 1.5.1 金融市场的分类
  • 1.5.2 金融市场的交易
  • 1.5.3 金融市场的作用
  • 1.5.4 金融市场的参与者和组织形式
  • 1.6 金融衍生品与金融工程
  • 1.7 互联网金融
  • 1.7.1 互联网金融的特征
  • 1.7.2 互联网金融的四种模式
  • 第2章 深度学习的首选语言：Python
  • 2.1 Python语言介绍
  • 2.1.1 Python的设计理念
  • 2.1.2 Python的特点
  • 2.1.3 Python的优点
  • 2.2 Python的安装与使用
  • 2.3 数据类型
  • 2.3.1 数值
  • 2.3.2 布尔型数值
  • 2.3.3 字符串
  • 2.4 变量与运算符
  • 2.4.1 变量
  • 2.4.2 运算符
  • 2.5 函数
  • 2.5.1 函数的定义与调用
  • 2.5.2 函数参数
  • 2.5.3 函数返回值
  • 2.6 模块
  • 2.6.1 from...import语句
  • 2.6.2 常见模块
  • 第3章 构建金融深度学习平台
  • 3.1 算力基础：选择硬件
  • 3.1.1 算力与深度学习云平台
  • 3.1.2 深度学习中算力构建的路线选择
  • 3.2 单精度计算和半精度计算
  • 3.3 算法平台：深度学习平台
  • 3.3.1 安装与设置开发环境
  • 3.3.2 搭建深度学习平台
  • 3.4 代码托管：Git和GitHub
  • 3.4.1 版本控制Git
  • 3.4.2 GitHub的常用操作
  • 第4章 获取金融数据
  • 4.1 金融数据获取
  • 4.1.1 金融数据获取的途径
  • 4.1.2 公开数据平台
  • 4.2 用Python直接获取金融数据
  • 4.2.1 大奖章量化接口
  • 4.2.2 利用Baostock获取股票数据
  • 4.2.3 利用Tushare获取全面金融数据
  • 第5章 识别金融业务中的欺诈行为
  • 5.1 金融欺诈介绍
  • 5.2 欺诈识别
  • 5.2.1 不平衡数据处理
  • 5.2.2 信用卡欺诈识别
  • 5.3 保险欺诈识别
  • 第6章 金融非结构化客户信息识别
  • 6.1 手写信息识别
  • 6.2 图片信息理解
  • 6.3 客户人脸识别
  • 6.3.1 直方图
  • 6.3.2 图像、距离与灰度直方图
  • 6.3.3 人脸识别实践
  • 第7章 金融安全中的深度学习
  • 7.1 金融安全
  • 7.2 RSA加密算法
  • 7.2.1 对称加密体系
  • 7.2.2 非对称加密体系
  • 7.3 验证码识别
  • 7.3.1 利用深度学习训练卷积网络
  • 7.3.2 绘制网络结构图
  • 7.4 票据反模糊与生成式对抗网络
  • 7.4.1 生成式对抗网络
  • 7.4.2 反模糊训练的步骤
  • 第8章 金融时间序列预测中的深度学习
  • 8.1 金融时间序列数据简介
  • 8.1.1 时间序列
  • 8.1.2 金融中的时间序列数据
  • 8.2 传统的时间序列分析方法
  • 8.3 初识循环神经网络
  • 8.4 利用循环神经网络分析比特币价格
  • 8.4.1 获取相应数据
  • 8.4.2 传统分析方法
  • 8.4.3 循环神经网络方法
  • 第9章 金融舆情分析中的深度学习
  • 9.1 宏观金融问题与人工智能
  • 9.1.1 宏观金融学入门
  • 9.1.2 从大数据角度看宏观金融学
  • 9.2 利用舆情进行宏观金融分析
  • 9.2.1 数据的准备
  • 9.2.2 获取关键词趋势
  • 9.3 中文词向量
  • 9.3.1 自然语言处理
  • 9.3.2 独热表示法
  • 9.3.3 分布式表示法
  • 9.4 金融舆情中的情绪判断
  • 第10章 金融客户推荐中的深度学习
  • 10.1 客户分类与评估
  • 10.1.1 聚类的概念
  • 10.1.2 划分法
  • 10.1.3 层次法
  • 10.1.4 密度聚类算法
  • 10.2 推荐系统与深度学习
  • 10.2.1 协同过滤算法
  • 10.2.2 基于内容的推荐算法
  • 10.2.3 基于知识的推荐算法
  • 10.2.4 深度学习对推荐系统的提升
  • 后折页
  • 封底
展开全部

评分及书评

尚无评分
目前还没人评分

出版方

电子工业出版社

电子工业出版社成立于1982年10月，是国务院独资、工信部直属的中央级科技与教育出版社，是专业的信息技术知识集成和服务提供商。经过三十多年的建设与发展，已成为一家以科技和教育出版、期刊、网络、行业支撑服务、数字出版、软件研发、软科学研究、职业培训和教育为核心业务的现代知识服务集团。出版物内容涵盖了电子信息技术的各个分支及工业技术、经济管理、科普与少儿、社科人文等领域，综合出版能力位居全国出版行业前列。