Bookbot

Künstliche Intelligenz in der Finanzwirtschaft

Daten, Methoden und Anwendungen

Parametry

  • 500 stron
  • 18 godzin czytania

Więcej o książce

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. Inhaltsverzeichnis 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.

Zakup książki

Künstliche Intelligenz in der Finanzwirtschaft, Gregor Weiß

Język
Rok wydania
2025
Oprawa
(miękka)
Jak tylko się pojawi, wyślemy Ci wiadomość e-mail.

Metody płatności

Nikt jeszcze nie ocenił.Oceń

Tytuł
Künstliche Intelligenz in der Finanzwirtschaft
Podtytuł
Daten, Methoden und Anwendungen
Język
niemiecki
Rok wydania
2025
Oprawa
miękka
Liczba stron
500
ISBN13
9783658417192
Seria
Tagi
Biznes
Opis
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. Inhaltsverzeichnis 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.