AI｜機器學習圖解和深度學習的技術與原理(株式会社アイデミー、山口達輝、松田洋之)
新舊年交恰病了一場,兩周內完全沒閱讀任何書籍,開年的第一本選了本圖文書.沒料到,這是一本很不錯的教材,敘述解釋平直易懂,這一點國內的Mook類書籍也做得不錯,但這一本卻不只照顧"傻瓜"性的內容,深度竟然同時也存在,日本出版編輯在書籍定位與執行上的完整度與精密度應該值得借鑑.內容往上可以喚醒研究生時期修過的Generlize liner Model,Multivarite Ananlysis,計量經濟學等包括Classification,cluster,factor analysis,Dimension reduction,principle component,ARMA,ARIMA等多種統計分析的課程記憶,溶入了新的深度學習機器學習的內容中.
當然,以前還沒有大數據分析這種名詞與觀點,受制於當時電腦處理與網路能力,與類神經網路等發展受制頻頸尚未突破,因此有的就只是統計分析.我們學的也就是這些.這本"機器學習圖解和深度學習的技術與原理"其實並沒有詳談許多技術細節,但它的重要性在於,讓已經具備許多技術常識與觀點的讀者將所學習的相關知識全部串連到了一起,雖不能說接通任督二脈,但有了整體性的觀念,如此等於是幫閱讀活學習Goodfelllow那種大部頭全面性的深度學習的教材做了綜合性的整理.也把個人從網上學習的線上課程從演算法,深度與機器學習的數學,與深度學習的內容給串在一起.個人的目的其實並不是要把它整個內容都學會.只是恰好有直覺認為深度學習的CNN,RNN,MCMC可以幫助我在台期指Day Trade慣用的方式做完全的程式化交易模式.畢竟我採用的方式既不是均線,指標,K線,型態這些東西,本來就是一種特別化的方式.因此過去的TS,Multicharts.Wealth lab其實並能滿足需求,直到看到了Nutrual network,markov process等那些可能用在棋奕類的人工智慧模型的內容,隱約知道這才是我需求的關鍵路徑.
接下來自然是從Python for finance切入,開展自己的模式實作了.當然不看Goodfellow那類的書籍或去重溫一些數學模型,直接切進Python for Finance也是可以的.只是不喜歡知其所以不知其所以然的Coding,何況前面依舊是未知的黑箱,畢竟自己的模式也只是自己的使用多年的還算成功的Day trade模式,雖然人工看盤運作超強,缺點就是要程式化太難,它明顯不是單純的線性,許多地方也只是個人含糊的類比式型態思維,這裡面的個人經驗判斷要換成數字型的程序本身就是為難.所以即使能夠從簡單的建模有了開始,卻未必能夠最終做出甚麼用的東西,不過,向困難與極限挑戰,本來就是當為之事,要弄通的東西只會更多,效果卻可能未必如個人所願.但那又如何呢.起碼可以藉由這本圖文書逐步恢復正常的生活.以上.
留言列表
