logo

CardDev

مجموعه هامسیر یادگیری
logo

CardDev

درباره ما

قوانین و سوالات

کتاب‌های نرم افزار خوندنش چه نسخه اصلی و چه ترجمه شده میتونه برامون چالش برانگیز و سخت باشه. یا شاید اصلا حوصله نکنی این همه وقت و انرژی بزاری برای کتاب ، ما هستیم تا تو بتونی کتاب های مطرح و مهم دنیای نرم افزار رو بیشتر از پیش و با انگیزه بیشتر و کیفیت بهتر مطاله کنی و یادش بگیری.
CardDev قدمی کوچک برای یک تیم و قدمی بزرگ برای جامعه بزرگ مهندسین نرم‌افزار و برنامه نویسان!

ارتباط با ما

ایمیل

info@aiflashcard.dev

شبکه های اجتماعی

CardDev
CardDev

نصب اپ CardDev

دسترسی سریع‌تر از هوم‌اسکرین

کلیه حقوق مادی و معنوی برای سایت CardDev محفوظ است.
KhademBuilt pixel by pixel by
Khadem Al Mahdi

Built pixel by pixel by

کتاب یادگیری تقویتی برای مالی

130 فلش‌کارت
41 گالری‌کارت
171 صوت
130 پرامپت
130 واژه‌نامه

یادگیری تقویتی (Reinforcement Learning) منجر به پیشرفت‌های چشمگیری در هوش مصنوعی (Artificial Intelligence) شده است. استفاده از الگوریتم یادگیری کیو عمیق (Deep Q-learning) به افراد کمک کرده است تا ایجنت‌هایی (Agents) بسازند که بازی‌های آرکید (Arcade Games) و تخته‌ای را در سطح فوق‌بشری انجام دهند. این کتاب یکی از نخستین منابعی است که به بررسی استفاده از روش‌های یادگیری تقویتی در حوزه مالی می‌پردازد. نویسنده کتاب، ایو هیلمپیش (Yves Hilpisch)، بنیان‌گذار و مدیرعامل شرکت The Python Quants، زمینه لازم را به صورت مختصر فراهم می‌کند.

اشتراکی

book cover
O’Reilly
130 فلش‌کارت
41 گالری‌کارت
171 صوت
130 پرامپت
130 واژه‌نامه
جزئیاتمقدمهفصل‌هانسخه‌ها

فصل های کتاب

با مرور فصل‌ها، ساختار ، محتوای کتاب را به سرعت بشناسید.

با مرور فصل‌های این کتاب می‌تونی خیلی سریع بفهمی هر بخش چی یاد میده، ساختار کلی چطوره و از کجا باید شروع کنی. هر فصل روی یک مفهوم یا مهارت خاص تمرکز داره و موضوعات اصلیش رو می‌بینی تا انتخابت آگاهانه‌تر باشه. چه بخوای کل کتاب رو دنبال کنی، چه فقط یک بخش خاص رو دنبال کنی، این نما کمکت می‌کنه مسیرت رو پیدا کنی.

مبانی

بخش اول کتاب به بررسی اصول اولیه یادگیری تقویتی (Reinforcement Learning) و اطلاعات پس‌زمینه ضروری می‌پردازد.

این بخش شامل سه فصل است که یادگیری از طریق تعامل، برنامه‌نویسی پویا (Dynamic Programming) و یادگیری کیو مالی را پوشش می‌دهد.

خوانندگان با مثال‌های عمده‌ای از جمله تطبیق احتمال، به‌روزرسانی بیزی (Bayesian Updating) و یادگیری کیو عمیق آشنا می‌شوند.

این فصل‌ها درک پایه‌ای لازم برای اعمال الگوریتم‌های پیشرفته یادگیری تقویتی را فراهم می‌کنند.

book cover

یادگیری از طریق تعامل

Bayesian Learning • Tossing a Biased Coin • Rolling a Biased Die • Bayesian Updating • Reinforcement Learning • Major Breakthroughs • Major Building Blocks • Deep Q-Learning • Conclusions • References

فصل 1
11 فلش‌کارت
book cover

یادگیری کیو عمیق

Decision Problems • Dynamic Programming • Q-Learning • CartPole as an Example • The Game Environment • A Random Agent • The DQL Agent • Q-Learning Versus Supervised Learning • Conclusions • References

فصل 2
15 فلش‌کارت
book cover

یادگیری کیو مالی

Finance Environment • DQL Agent • Where the Analogy Fails • Limited Data • No Impact • Conclusions • References

فصل 3
9 فلش‌کارت

افزایش داده

بخش دوم کتاب مفاهیم و رویکردهای تولید داده برای یادگیری کیو عمیق مالی را پوشش می‌دهد.

فصل چهارم رویکردهای تولید داده مبتنی بر شبیه‌سازی مونته کارلو (Monte Carlo Simulation) را پیاده‌سازی می‌کند.

فصل پنجم نشان می‌دهد که چگونه از شبکه‌های مولد مخالف (GANs) در هوش مصنوعی برای تولید داده‌های سری زمانی مالی استفاده کنید.

این داده‌ها با سری‌های زمانی مالی هدف سازگار و از نظر آماری غیرقابل تشخیص هستند.

book cover

داده‌های شبیه‌سازی شده

Noisy Time Series Data • Simulated Time Series Data • Conclusions • References • DQLAgent Python Class

فصل 4
11 فلش‌کارت
book cover

داده‌های تولید شده

Simple Example • Financial Example • Kolmogorov-Smirnov Test • Conclusions • References

فصل 5
14 فلش‌کارت

کاربردهای مالی

بخش سوم کتاب الگوریتم‌ها و تکنیک‌های معرفی شده در دو بخش اول را روی مسائل کلاسیک مالی اعمال می‌کند.

فصل ششم یادگیری کیو عمیق را روی معاملات الگوریتمی (Algorithmic Trading) یک ابزار مالی اعمال می‌کند.

فصل هفتم از یادگیری کیو عمیق برای یادگیری نحوه پوشش ریسک یا تکرار یک اختیار خرید اروپایی استفاده می‌کند.

فصل هشتم یادگیری تقویتی را روی سه مسئله کلاسیک در مدیریت سرمایه‌گذاری اعمال می‌کند.

book cover

معاملات الگوریتمی

Prediction Game Revisited • Trading Environment • Trading Agent • Conclusions • References • Finance Environment • DQLAgent Class • Simulation Environment

فصل 6
15 فلش‌کارت
book cover

پوشش ریسک پویا

Delta Hedging • Hedging Environment • Hedging Agent • Conclusions • References • BSM (1973) Formula

فصل 7
16 فلش‌کارت
book cover

تخصیص دارایی پویا

Two-Fund Separation • Two-Asset Case • Three-Asset Case • Equally Weighted Portfolio • Conclusions • References • Three-Asset Code

فصل 8
19 فلش‌کارت
book cover

اجرای بهینه

The Model • Model Implementation • Execution Environment • Random Agent • Execution Agent • Conclusions • References

فصل 9
13 فلش‌کارت
book cover

نکات پایانی

References

فصل 10
7 فلش‌کارت
خانهدسته‌بندیکتابخانهکتاب‌منپروفایل
انتشار کتاب

منتشر شده

آخرین بروزرسانی
۱۶ مهر ۱۴۰۵
امتیاز
5.0
پیش نیاز
ندارد

مدت زمان خوانش

5:4

نوع کتاب

اشتراکی

شرکت کنندگان

1 نفر

تولید کتاب

۱۶ مهر ۱۴۰۵