天池四月读书会|数据分析&金融量化,6场直播,6位大咖,6个项目实战...

简介: 阿里云天池四月读书会来啦,本次读书会主题为数据分析和金融量化,6场直播,6个大咖,6个项目实践,总有你感兴趣的。

天池读书会4月份@2x.png

阿里云天池读书会四月场来啦,这次我们邀请到了《可解释机器学习》译者、复旦大学可解释机器学习方向研究生朱明超,阿里云智能机器学习PAI平台产品经理、Jupyterlab 社区成员鱼哲,南洋理工大学硕士、数据科学家黄哲,阿里云MVP、清华博士陈旸,天池KoL刘斯豪,SAP 资深顾问、机器学习和云计算专家黄佳(按直播分享时间排序)为大家进行精彩的图书分享。

image.png

阿里云天池目前已经完成了14场读书会直播,一共四期,包含13本数据分析、人工智能领域热门图书。分享嘉宾除了给大家分享、解读图书内容,还会带大家进行图书中的项目实战,所有的视频回放、嘉宾分享PPT、实践代码都可以在天池读书会页面获取。


同时天池也提供了配套的技能练习训练营供大家更好的学习,期望通过听、写、练一体化学习方式让大家从嘉宾的分享中吸收更多知识、更轻松的入门人工智能。

image.png

欢迎大家来天池牛年读书会,体验“读+练”的沉浸式读书新方式,边读边实践。


参加直播学习与项目实践,还可以瓜分50000天池粮票,换取好礼。电脑或者手机点击下方链接即可加入读书会。

https://tianchi.aliyun.com/specials/promotion/activity/bookclub


目前4月的6场读书会直播已经全部上线了,进入到读书会页面后,点击预约直播按钮即可提前预约直播,或者点击观看回放,查看直播回放视频。

image.png

除了预约直播外,所有读者还可以直接在读书会页面点击提问按钮,对对应图书进行提问,每次直播时我们会将大家的提问反馈给分享嘉宾,优质提问可以获得对应图书一本,欢迎大家扫下方二维码填写你的问题。

image.png


接下来给大家具体介绍下天池读书会四月场内容。


天池读书会四月场


《可解释机器学习:黑盒模型可解释性理解指南》

01.png

直播嘉宾: 朱明超 《可解释机器学习》译者、复旦大学可解释机器学习方向研究生

直播时间: 4月21日 20:00~21:00

配套学习资源:

1> 机器学习训练营

image.png

天池读书会页面,点击学习训练营即可进入课程学习,全免费,还有有学习交流群,精编教程,优秀学习者在线答疑等服务。


2> 对宫颈癌数据集的分类和解释项目实战和嘉宾分享PPT下载

image.png

天池读书会页面,点击实战代码即可进入对应代码,天池支持在线运行、编辑代码,学习效率更高;点击PPT下载,还可以下载嘉宾的分享PPT。


图书介绍:

1.全面介绍了可解释模型、黑盒模型的可解释性、与模型无关的方法,包含各种解释方法优缺点,以及每种方法的软件实现。


2.没有晦涩的语言与公式推导,通过平实的语言、现实生活中的例子讲解相关概念,通俗易懂。


3.适合机器学习从业者、数据科学家、统计学家和任何对使机器学习模型可解释的人阅读。


4.各种解释方法是如何工作的?优点和缺点分别是什么?如何解释它们的输出?翻开本书都将一一找到答案!


《量化投资:以Python为工具》

02.png

直播嘉宾: 鱼哲 阿里云智能机器学习PAI平台产品经理、Jupyterlab社区成员

直播时间: 4月26日 20:40~21:40

配套学习资源:


1> 金融风控训练营

image.png

天池读书会页面,点击学习训练营即可进入课程学习,全免费,还有有学习交流群,精编教程,优秀学习者在线答疑等服务。


2> 项目实战代码获取和嘉宾分享PPT下载

image.png

分享嘉宾正在准备中,在直播开始前会将相关资源放到读书会页面,在天池读书会页面,点击实战代码即可进入对应代码;点击PPT下载,即可以下载嘉宾的分享PPT。


图书介绍:

1.本书主要讲解量化投资的思想和策略,并借助Python语言进行实战。


2.本书一共分为5部分,第1部分是Python入门,第2部分是统计学基础,第3部分是金融理论、投资组合与量化选股,第4部分是时间序列简介与配对交易,第5部分是技术指标与量化投资。


3.本书首先对Python 编程语言进行介绍,通过学习,读者可以迅速掌握用Python语言处理数据的方法,并灵活运用Python解决实际金融问题;其次,向读者介绍量化投资的理论知识,主要讲解量化投资所需的数量基础和类型等方面;最后讲述了如何在Python语言中构建量化投资策略。


《智能风控:Python金融风险管理与评分卡建模》

03.png

直播嘉宾: 黄哲 南洋理工大学硕士、数据科学家

直播时间: 4月27日 20:00~21:00

配套学习资源:


1> 机器学习训练营

image.png

天池读书会页面,点击机器学习训练营即可进入课程学习,全免费,还有有学习交流群,精编教程,优秀学习者在线答疑等服务。


2> 项目实战代码获取和嘉宾分享PPT下载

image.png

分享嘉宾正在准备中,在直播开始前会将相关资源放到读书会页面,在天池读书会页面,点击实战代码即可进入对应代码;点击PPT下载,即可以下载嘉宾的分享PPT。



图书介绍:

1.本书基于Python讲解了信用风险管理和评分卡建模,用漫画的风格,从风险业务、统计分析方法、机器学习模型3个维度展开,详细讲解了信用风险量化相关的数据分析与建模手段,并提供大量的应用实例。


2.作者在多家知名金融公司从事算法研究多年,经验丰富,本书得到了学术界和企业界多位金融风险管理专家的高度评价。


3.全书一共9章,首先介绍了信用风险量化的基础,然后依次讲解了信用评分模型开发过程中的数据处理、用户分群、变量处理、变量衍生、变量筛选、模型训练、拒绝推断、模型校准、决策应用、模型监控、模型重构与迭代、模型报告撰写等内容。


《智能风控:原理、算法与工程实践》

04.png

直播嘉宾: 陈旸 阿里云MVP、清华博士

直播时间: 4月28日 20:00~21:00

配套学习资源:


1> 《人工智能的数学基础》课程

image.png

天池读书会页面,点击《人工智能的数学基础》课程即可进入课程学习,全免费,视频课程,更好理解,学习更高效。


2> 项目实战代码获取和嘉宾分享PPT下载

image.png

分享嘉宾正在准备中,在直播开始前会将相关资源放到读书会页面,在天池读书会页面,点击实战代码即可进入对应代码;点击PPT下载,即可以下载嘉宾的分享PPT。


图书介绍:

1.本书基于Python全面介绍了机器学习在信贷风控领域的应用与实践,从原理、算法与工程实践3个维度全面展开,包含21种实用算法和26个解决方案。


2.作者是智能风控、人工智能和算法领域的专家,曾在多家知名金融科技企业从事风控算法方面的研究与实践,经验丰富,本书得到了风控领域9位专家的高度评价。


3.全书一共8章,每个章节都由问题、算法、案例三部分组成,具有系统性和实战性。


《利用Python进行数据分析(第二版)》

05.png


直播嘉宾: 刘斯豪 天池KoL


直播时间: 4月29日 20:40~21:40


配套学习资源:

1> Numpy、Pandas、Matplotlib课程

image.png

天池读书会页面,点击Numpy、Pandas、Matplotlib即可进入对应的课程学习,全部免费。


2> 项目实战代码获取和嘉宾分享PPT下载

image.png

分享嘉宾正在准备中,在直播开始前会将相关资源放到读书会页面,在天池读书会页面,点击实战代码即可进入对应代码;点击PPT下载,即可以下载嘉宾的分享PPT。


图书介绍:

1.本书由Python pandas项目创始人Wes McKinney亲笔撰写,详细介绍利用Python进行操作、处理、清洗和规整数据等方面的具体细节和基本要点。


2.第2版针对Python 3.6进行全面修订和更新,涵盖新版的pandas、NumPy、IPython和Jupyter,并增加大量实际案例,可以帮助你高效解决一系列数据分析问题。


《Python金融大数据分析(第二版)》

06.png

直播嘉宾: 黄佳 SAP资深顾问、机器学习和云计算专家

直播时间: 4月30日 20:00~21:00

配套学习资源:

1> 金融风控训练营

image.png

天池读书会页面,点击学习训练营即可进入课程学习,全免费,还有有学习交流群,精编教程,优秀学习者在线答疑等服务。


2> 项目实战代码获取和嘉宾分享PPT下载

image.png

分享嘉宾正在准备中,在直播开始前会将相关资源放到读书会页面,在天池读书会页面,点击实战代码即可进入对应代码;点击PPT下载,即可以下载嘉宾的分享PPT。


图书介绍:

1.本书分为5部分,共21章。第1部分介绍了Python在金融学中的应用,其内容涵盖了Python用于金融行业的原因、Python的基础架构和工具,以及Python在计量金融学中的一些具体入门实例。


2.第2部分介绍了Python的基础知识以及Python中非常有名的库NumPy和pandas工具集,还介绍了面向对象编程。


3.第3部分介绍金融数据科学的相关基本技术和方法,包括数据可视化、输入/输出操作和数学中与金融相关的知识等。


4.第4部分介绍Python在算法交易上的应用,重点介绍常见算法,包括机器学习、深度神经网络等人工智能相关算法。


5.第5部分讲解基于蒙特卡洛模拟开发期权及衍生品定价的应用,其内容涵盖了估值框架的介绍、金融模型的模拟、衍生品的估值、投资组合的估值等知识。


如何参与提问及获取读书会学习资源


step1: 果点击阅读原文或者浏览器/手机打开下方链接,进入读书会页面,在读书会页面可以获取所有你想要的资源。

https://tianchi.aliyun.com/specials/promotion/activity/bookclub

image.png

step2: 了解读书会活动,分为听、写、练、请四块,点击对应模块即可参与对应活动。

image.png

step3: 预约后面的读书会直播或查看回放?

image.png

预约后面的读书会:在读书会页面,下滑到直播安排模块,还没举行的读书会直播都会展示在这里,你可以选择自己想听的读书会,点击预约直播按钮即可进入读书会直播页面。

image.png

在读书会直播页面点击预约直播按钮即可提前预约,直播开始前会通过短信提醒你来观看,这样就不怕遗忘了。

image.png

查看直播回放:大读书会页面下滑到往期读书会模块即可看到已经结束的读书会,点击对应的观看回放即可查看读书会的直播回放了。


step4: 如何下载对应的学习资源?

不管是往期读书会还是即将举行的读书会,都有对应的学习资源,有部分实战类图书还配有分享老师为大家准备的项目实践代码,大家在读书会页面直接点击对应的按钮即可下载或者查看。

以雷明老师分享的《机器学习原理、算法与应用》来看,现在有的功能按钮有:


  • 提问:你对图书或者相关领域知识的问题都可以提交,优质提问有机会获得对应赠书。
  • 课程:图书相关领域的学习课程,可在天池免费学习。
  • 训练营:天池人工智能入门系列训练营,与图书对应的学习知识,更好的让你入门。
  • 算法地图:分享老师总结的相关领域知识图谱,快速找到自己需要的内容。
  • PPT下载:分享老师的读书会分享PPT,免费下载。
  • 实践代码:分享老师为大家准备的图书实战案例代码,点击即可查看、运行学习。
  • 观看回放:即使错过直播,也可以回过头来学习,或者慢慢理解老师讲解的内容。

image.png

step5: 如何进行项目实践?

以言有三老师分享的《深度学习之人脸图像处理》为例,大家直接点击实践代码按钮即可进入代码实践环境,除了可以查看到老师准备的代码,你还可以在天池实验室直接进行运行、编辑学习,更高效。

image.png

如果大家对读书会还有其他问题,或者建议,可以留言提出,我们一起让读书会越来越好。

目录
相关文章
|
6月前
|
数据采集 机器学习/深度学习 数据可视化
数据科学项目实战:完整的Python数据分析流程案例解析
【4月更文挑战第12天】本文以Python为例,展示了数据分析的完整流程:从CSV文件加载数据,执行预处理(处理缺失值和异常值),进行数据探索(可视化和统计分析),选择并训练线性回归模型,评估模型性能,以及结果解释与可视化。每个步骤都包含相关代码示例,强调了数据科学项目中理论与实践的结合。
607 2
|
6月前
|
数据采集 数据可视化 数据挖掘
Python数据挖掘项目实战——自动售货机销售数据分析
Python数据挖掘项目实战——自动售货机销售数据分析
|
3月前
|
人工智能 运维 数据挖掘
【阿里天池-医学影像报告异常检测】1 数据分析和探索
关于医学影像报告异常检测竞赛的数据分析和探索。文中详细介绍了数据读取、统计词数、词频统计、句子长度统计、标签类别分布、正负样本分布、缺失值检查和句子最后一个字符的词频统计。通过这些分析,文章为理解数据集的特征提供了全面的视角,并为后续的模型训练和优化奠定了基础。
44 3
|
4月前
|
机器学习/深度学习 监控 算法
Python数据分析与机器学习在金融风控中的应用
Python数据分析与机器学习在金融风控中的应用
116 12
|
4月前
|
数据采集 机器学习/深度学习 数据挖掘
Python基于波动率模型(ARCH和GARCH)进行股票数据分析项目实战
Python基于波动率模型(ARCH和GARCH)进行股票数据分析项目实战
269 4
|
4月前
|
数据采集 机器学习/深度学习 数据可视化
完整的Python数据分析流程案例解析-数据科学项目实战
【7月更文挑战第5天】这是一个Python数据分析项目的概览,涵盖了从CSV数据加载到模型评估的步骤:获取数据、预处理(处理缺失值和异常值、转换数据)、数据探索(可视化和统计分析)、模型选择(线性回归)、训练与评估、优化,以及结果的可视化和解释。此流程展示了理论与实践的结合在解决实际问题中的应用。
108 1
|
5月前
|
数据采集 机器学习/深度学习 数据可视化
数据挖掘实战:Python在金融数据分析中的应用案例
Python在金融数据分析中扮演关键角色,用于预测市场趋势和风险管理。本文通过案例展示了使用Python库(如pandas、numpy、matplotlib等)进行数据获取、清洗、分析和建立预测模型,例如计算苹果公司(AAPL)股票的简单移动平均线,以展示基本流程。此示例为更复杂的金融建模奠定了基础。【6月更文挑战第13天】
1458 3
|
6月前
|
机器学习/深度学习 算法 数据挖掘
【Python机器学习专栏】金融数据分析中的机器学习应用
【4月更文挑战第30天】本文探讨了机器学习在金融数据分析中的应用,如股价预测、信用评分、欺诈检测、算法交易和风险管理,并以Python为例展示了如何进行股价预测。通过使用机器学习模型,金融机构能更准确地评估风险、识别欺诈行为并优化交易策略。Python结合scikit-learn库简化了数据分析过程,助力金融从业者提高决策效率。随着技术发展,机器学习在金融领域的影响力将持续增强。
492 0
|
6月前
|
数据挖掘 数据处理 Python
金融数据分析与NumPy的高效实践
【4月更文挑战第17天】本文介绍了NumPy在金融数据分析中的高效应用。通过三个案例展示了NumPy如何用于时间序列分析(计算股票日收益率)、风险度量计算(VaR和CVaR)以及相关性和协整性分析。NumPy的多维数组操作和统计函数大大提升了金融分析的效率,使其成为Python金融分析的重要工具。随着金融科技发展,NumPy在金融领域的角色将更加关键。
|
6月前
|
存储 数据可视化 数据挖掘
实战案例:Pandas在金融数据分析中的应用
【4月更文挑战第16天】本文通过实例展示了Pandas在金融数据分析中的应用。案例中,一家投资机构使用Pandas加载、清洗股票历史价格数据,删除无关列并重命名,将日期设为索引。接着,数据被可视化以观察价格走势,进行基本统计分析了解价格分布,以及计算移动平均线来平滑波动。Pandas的便捷功能在金融数据分析中体现出高效率和实用性。