# Blueprints de aprendizado de máquina e ciência de dados para finanças: desenvolvendo desde estratégias de trades até robôs Advisors com Python

**Escritor/autor:** Hariom Tatsat
**Página pública:** https://acervodelivros.com.br/livros/blueprints-de-aprendizado-de-maquina-e-ciencia-de-dados-para-financas-desenvolvendo-desde-estrategias-de-trades-ate-robos-advisors-com-python/
**Canal de venda:** https://www.amazon.com.br/dp/8550821829?tag=acervodeliv00-20

## Identificação editorial
- ASIN: 8550821829
- ISBN-10: 8550821829
- ISBN-13: 978-8550821825
- Editora: Alta Books
- Ano de publicação: 2024
- Número de páginas: 400 páginas
- Idioma: Português

## Categoria e posicionamento
- Categoria principal: Administração, Negócios e Economia
- Subcategoria: Finanças Pessoais e Investimentos
- Tema principal: Finanças pessoais e investimentos
- Ranking informado: Nº 16.054 em Livros (Conheça o Top 100 na categoria Livros) Nº 5 em Finanças CorporativasNº 8 em Software em Informática e TecnologiaNº 14 em Redes de Informáticas

## Descrição base
Blueprints de Aprendizado de Máquina e Ciência de Dados para Finanças O aprendizado de máquina e a ciência de dados transformarão significativamente o setor financeiro nos próximos anos. Com este guia prático, os profissionais de fundos de hedge, investi­mentos e bancos de varejo, bem como as fintechs, aprenderão a criar algoritmos de AM (aprendizado de máquina) cruciais para o setor. Você examinará conceitos de AM e mais de vinte estudos de caso sobre aprendizado supervisionado, não supervisionado e por reforço, bem como sobre o processamento de linguagem natural (PLN).  Analistas, traders, pesquisadores e desenvolvedores também mergulharão na gestão de portfólios, no trading algorítmico, na precificação de derivativos, na detecção de fraudes, na previ­são de preços de ativos, na análise de sentimento e no desen­volvimento de chatbots. Você explorará problemas da vida real e aprenderá soluções cientificamente sólidas e sustentadas por códigos e exemplos.  Este livro inclui: • Modelos de aprendizado supervisionado baseado em regressão para estratégias de tradings e precificação de derivativos.  • Modelos de aprendizado supervisionado baseado em classificação para a previsão de risco de inadimplência de cré dito e detecção de fraudes.  • Técnicas de redução de dimensionalidade, com estudos de caso sobre gestão de portfólios e criação de uma yield curve.  • Estudos de caso usando algoritmos e técnicas de agrupamento para encontrar objetos semelhantes em estratégias de trading e gestão de portfólios. • Modelos de aprendizado por reforço e técnicas para desenvolver estratégias de trading, hedge de derivativos e gestão portfólios. • Técnicas de PLN usando bibliotecas Python, como NLTK e Scikit-learn.

## Nota metodológica
Dados organizados pelo Acervo de Livros a partir de fonte comercial consultada. Preços, avaliações, estoque e ranking podem variar.