·用监督学习回归模型开发算法交易策略和衍生品定价模型。 ·用监督学习分类模型预测信货违约概率，检测欺诈行为。 ·用降维技术解决投资组合管理和收益率曲线构造问题。 ·为实现交易策略和管理投资组合，用降维和聚类技术寻找相似资产。 ·用强化学习模型和技术开发交易策略、衍生品对冲策略，管理投资组合。 ·用NLTK和scikit-learn等Python库解决金融领域自然语言处理问题。

编辑推荐 1.金融领域趋势。过去几十年，金融业一直过于依赖简单的统计技术来识别数据中的模式，机器学习算法有望改变这一现状。在未来几年，机器学习将引领金融界，给金融领域带来颠覆性变化。 2.领域内经典图书。机器学习算法应用于金融领域的前沿书籍，提供一系列经过验证的工具和方法，量化投资专业人士在实操中的重要参考书。 3.作者备受认可。马科斯教授集投资经理、教授、研究员三重身份于一身，拥有20多年利用机器学习算法和超级计算开发投资策略的经验。 4.真正介绍金融机器学习。量化金融领域的失败率很高，不是因为机器学习算法无效，而是因为投资者用错了机器学习。这本书将全面介绍机器学习在金融建模中的应用。 5.兼具理论和实操。提供详细的算法分析、程序代码，明确的输出结果图，以及每章练习题，既适合相关院校和培训机构拿来作为培训量化交易系统课程的教材，又可作为量化金融投资...(展开全部)

编辑推荐 1.金融领域趋势。过去几十年，金融业一直过于依赖简单的统计技术来识别数据中的模式，机器学习算法有望改变这一现状。在未来几年，机器学习将引领金融界，给金融领域带来颠覆性变化。 2.领域内经典图书。机器学习算法应用于金融领域的前沿书籍，提供一系列经过验证的工具和方法，量化投资专业人士在实操中的重要参考书。 3.作者备受认可。马科斯教授集投资经理、教授、研究员三重身份于一身，拥有20多年利用机器学习算法和超级计算开发投资策略的经验。 4.真正介绍金融机器学习。量化金融领域的失败率很高，不是因为机器学习算法无效，而是因为投资者用错了机器学习。这本书将全面介绍机器学习在金融建模中的应用。 5.兼具理论和实操。提供详细的算法分析、程序代码，明确的输出结果图，以及每章练习题，既适合相关院校和培训机构拿来作为培训量化交易系统课程的教材，又可作为量化金融投资...(展开全部)

个性化推荐能够根据用户的历史行为显式或者隐式地挖掘用户潜在的兴趣和需求，并为其推送个性化信息，因此受到研究者的追捧及工业界的青睐，其研究具有重大的学术价值及商业应用价值，已广泛应用于大型电子商务平台、社交平台、新闻客户端以及其他各类旅游和娱乐类网站中。 本书内容丰富，较全面地介绍了基于协同过滤的推荐系统存在的问题、解决方法和评估策略，主要内容涉及协同过滤推荐算法中的时序技术、矩阵分解技术和社交网络信任技术等知识。 本书可供从事推荐系统、人工智能、机器学习、模式识别和信息检索等领域的科研人员及研究生阅读、参考。

本书系统地讲解了机器学习的基本知识，以及在实际项目中使用机器学习的基本步骤和方法；详细地介绍了在进行数据处理、分析时怎样选择合适的算法，以及建立模型并优化等方法，通过不同的例子展示了机器学习在具体项目中的应用和实践经验，是一本非常好的机器学习入门和实践的书籍。不同于很多讲解机器学习的书籍，本书以实践为导向，使用scikit-learn作为编程框架，强调简单、快速地建立模型，解决实际项目问题。读者通过对本书的学习，可以迅速上手实践机器学习，并利用机器学习解决实际问题。

机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度等多门学科，专门研究计算机怎样模拟或实现人类的学习行为。机器学习是人工智能的核心，是使计算机具有智能的根本途径。 本书通过对机器学习的背景知识、算法流程、相关工具、实践案例以及知识图谱等内容的讲解，全面介绍了机器学习的理论基础和实践应用。书中涉及机器学习领域的多个典型算法，并详细给出了机器学习的算法流程。 本书适合任何有一定数据功底和编程基础的读者阅读。通过阅读本书，读者不仅可以了解机器学习的理论基础，也可以参照一些典型的应用案例拓展自己的专业技能。同时，本书也适合计算机相关专业的学生以及对人工智能和机器学习感兴趣的读者阅读。

人工智能技术正以一种超快的速度深刻地改变着我们的生活，引导了第四次工业革命。美团作为国内O2O领域领 先的服务平台，结合自身的业务场景和数据，积极进行了人工智能领域的应用探索。在美团的搜索、推荐、计算广告、风控、图像处理等领域，相关的人工智能技术得到广泛的应用。本书包括通用流程、数据挖掘、搜索和推荐、计算广告、深度学习以及算法工程6大部分内容，全面介绍了美团在多个重要方面对机器学习的应用。 本书非常适合有一定机器学习基础的工程技术人员和在校大学生学习和阅读。通过本书，有经验的算法工程师可以了解美团在这方面的做法，在校大学生可以学习机器学习算法如何在具体的业务场景中落地。

机器学习是近年来渐趋热门的一个领域，同时Python 语言经过一段时间的发展也已逐渐成为主流的编程语言之一。本书结合了机器学习和Python 语言两个热门的领域，通过利用两种核心的机器学习算法来将Python 语言在数据分析方面的优势发挥到极致。 全书共有10 章。第1 章讲解了Python 机器学习的生态系统，剩余9 章介绍了众多与机器学习相关的算法，包括各类分类算法、数据可视化技术、推荐引擎等，主要包括机器学习在公寓、机票、IPO 市场、新闻源、内容推广、股票市场、图像、聊天机器人和推荐引擎等方面的应用。 本书适合Python 程序员、数据分析人员、对算法感兴趣的读者、机器学习领域的从业人员及科研人员阅读。

本书以最新的Spark2.0为技术基础，重点讲解了如何构建机器学习系统以及如何实现机器学习流程的标准化，这两点都是目前同类书中没有的。 第1章从概念、架构、算法等角度对机器学习进行了宏观介绍；第2章详细讲解了机器学习系统是如何构建的；第4~7章深入讲解了机器学习流程标准化涉及的关键技术；第8~11章则讲解了如何基于标准化的流程构建各种机器学习模型。

机器学习是近年来渐趋热门的一个领域，同时Python 语言经过一段时间的发展也已逐渐成为主流的编程语言之一。本书结合了机器学习和Python 语言两个热门的领域，通过利用两种核心的机器学习算法来将Python 语言在数据分析方面的优势发挥到极致。 全书共有10 章。第1 章讲解了Python 机器学习的生态系统，剩余9 章介绍了众多与机器学习相关的算法，包括各类分类算法、数据可视化技术、推荐引擎等，主要包括机器学习在公寓、机票、IPO 市场、新闻源、内容推广、股票市场、图像、聊天机器人和推荐引擎等方面的应用。 本书适合Python 程序员、数据分析人员、对算法感兴趣的读者、机器学习领域的从业人员及科研人员阅读。