Статистическое моделирование и машинное обучение являются двумя наиболее важными аспектами и предпосылками для того, чтобы стать количественным трейдером или аналитиком. Если вы хотите сделать карьеру в области количественных финансов, убедитесь, что вы накопили достаточно знаний в этих двух областях. Особенно, если вы планируете стать исследователем количественного трейдинга, эти методы и инструменты потребуют от вас изучения. На рынке доступно много книг, связанных с методами статистического моделирования и машинного обучения Python, но здесь предлагаются некоторые из лучших книг по Python, из которых вы можете получить глубокие знания о все дело.
1. Программирование коллективного разума: создание умных приложений Web 2.0
Эта книга написана Тоби Сегараном и дает существенные знания о плюсах и минусах машинного обучения Python, что делает ее лучшейкнигой для изучения Python. В этой книге предпринимается попытка обсудить приложение потребительской аналитики в деталях и закладывает прочную основу для машинного обучения Python для каждого читателя. Чтобы понять алгоритмы машинного обучения и их применение, эта книга будет хорошим выбором для любого учащегося. Рекомендация, поиск/ранжирование, кластеризация, оптимизация, машины опорных векторов, деревья решений, генетическое программирование и обнаружение признаков — вот некоторые из тем, подробно обсуждаемых в этой книге, что делает процесс обучения более всеобъемлющим.
2. Создание систем машинного обучения с помощью Python
Вилли Ричерт и Луис Педро Коэльо — авторы этой книги, которая считается одной из лучших книг по изучению Python. Scikit-learn считается библиотекой машинного обучения для Python, и то же самое обсуждалось с подробными примерами в этой книге, что делает ее обязательной для каждого учащегося. Задачи регрессии и классификации были выполнены целостным образом, чтобы дать учащимся полное понимание. Что касается таких тем, как моделирование, в этой книге также делается упор на такие библиотеки, как gensim. Горячие темы количественной торговли, такие как текстовая классификация и анализ настроений, также являются частью этой обширной книги.
3. Изучение scikit-learn: машинное обучение в Python
Эта книга, разработанная Раулем Гарретой и Гильермо Мончекки, довольно короткая по своему объему. Однако знание, которое оно дает, ничуть не меньше. Если вы уже накопили значительный объем знаний о программировании на Python с некоторым знакомством с NumPy и Pandas, эта книга будет весьма полезна для того, чтобы вы стали профессионалом в методах машинного обучения. Эта книга охватывает гораздо больше, чем просто применение документации scikit-learn, и помогает учащимся выйти за рамки основ и получить целостное понимание, что делает ее одной из лучших книг по Python на рынке.
4. Машинное обучение в действии
Регрессия с учителем, классификация с учителем и неконтролируемые методы — вот некоторые из основных моментов этой книги, написанной Питером Харрингтоном. Благодаря понятному языку и простым для понимания предложениям эта книга заслужила на рынке значительную репутацию одной из лучших книг по изучению Python. Математическое разоблачение этой книги больше, чем те, которые уже обсуждались. Эта книга может быть интересна программистам Python, имеющим опыт работы в области прикладной математики. он также пытается обсудить грядущую концепцию «больших данных», которая делает ее современной и актуальной.
5. Машинное обучение: алгоритмическая перспектива
Эта книга, написанная Стивеном Марслендом, является одной из лучших книг по Python для всех, кто изучает программы Python. Скрытые модели Маркова, нейронные сети и цепь Маркова Монте-Карло — вот некоторые из тем, которые обсуждались в этой книге с полным математическим раскрытием. Здесь обсуждалось множество кодов Python, а также математические подходы.
