书单｜金融工程

评语：量子计算 量子计算机即将掀起一场新的计算革命——您可以立即加入。如果您从事软件工程、计算机图形学、数据科学，或者只是一个感兴趣的计算机爱好者，这本书提供了理解量子计算的实用程序员指南。您将直接使用展示该技术独特功能的示例，而不是费力地学习数学和理论。 量子计算专家 Eric Johnston、Nic Harrigan 和 Mercedes Gimeno-Segovia 向您展示如何构建在应用程序中心编写量子程序所需的技能、工具和直觉。您将了解量子计算机可以做什么，并学习如何识别它们可以解决的问题类型。 本书包括三个多章部分： QPU 编程 - 探索量子处理单元编程的核心概念，包括如何描述和操作量子位以及如何执行量子隐形传态。 QPU 原语 - 学习算法原语和技术，包括幅度放大、量子傅立叶变换和相位估计。 QPU 应用程序 - 研究如何使用 QPU 原语构建现有应用程序，包括量子搜索技术和 Shor 因式分解算法。

评语：量子计算 全面阐述量子计算和量子物理学的基本概念，并解释相关数学和大量示例。信息论和量子力学这两个二十世纪最具影响力和革命性的科学理论的结合，产生了一种全新的计算和信息观点。量子信息处理探索使用量子力学而不是经典力学来建模信息及其处理的含义。量子计算并不是要改变计算的物理基础，从经典计算到量子计算，而是要在最基本的层面上改变计算本身的概念。计算的基本单位不再是比特，而是量子比特或量子比特。该领域的全面介绍全面阐述了量子计算和量子物理学的基本概念，解释了所有相关数学并提供了大量示例。通过对概念的精心阐述和详尽的解释，这本书使数学、计算机科学和工程领域的学生和专业人士能够理解量子计算。没有量子物理学先验知识（但具有足够的线性代数知识）的读者将能够通过阅读本书获得流畅的理解。

评语：机器学习在生命科学领域 深度学习已经在很多领域取得了令人瞩目的成果。现在，它在整个科学领域，特别是生命科学领域掀起了波澜。这本实用的书教开发人员和科学家如何将深度学习用于基因组学、化学、生物物理学、显微镜、医学分析和其他领域。本书介绍了几种深度网络原语，非常适合准备将其技能应用于生物学、遗传学和药物发现等科学应用的开发人员和科学家。您将了解一个关于设计将物理、化学、生物学和医学联系在一起的新疗法的问题的案例研究——这个例子代表了科学上最大的挑战之一。了解对分子数据执行机器学习的基础知识 了解为什么深度学习是遗传学和基因组学的强大工具 应用深度学习来理解生物物理系统 简要介绍 DeepChem 的机器学习 使用深度学习分析显微图像 使用深度学习分析医学扫描学习技巧 了解变分自动编码器和生成对抗网络 解释您的模型正在做什么以及它是如何工作的。

评语：机器学习在金融领域 机器学习 (ML) 几乎正在改变我们生活的方方面面。如今，机器学习算法可以完成直到最近只有专家才能执行的任务。就金融而言，这是采用颠覆性技术最激动人心的时刻，该技术将改变每个人几代人的投资方式。读者将学习如何以适合机器学习算法的方式构建大数据；如何使用机器学习算法对该数据进行研究；如何使用超级计算方法；如何回测您的发现，同时避免误报。本书解决了从业者每天面临的现实问题，并使用数学解释了科学合理的解决方案，并配有代码和示例。读者成为活跃用户，可以在其特定环境中测试建议的解决方案。本书由一位知名专家和投资组合经理撰写，将为投资专业人士提供在现代金融领域取得成功所需的突破性工具。

评语：机器学习 生成建模是人工智能领域最热门的话题之一。现在可以教会机器在绘画、写作和作曲等人类活动中表现出色。通过这本实用的书，机器学习工程师和数据科学家将发现如何重新创建生成深度学习模型的一些最令人印象深刻的示例，例如变分自动编码器、生成对抗网络（GAN）、编码器-解码器模型和世界模型楷模。 作者 David Foster 演示了每种技术的内部工作原理，从深度学习的基础知识开始，然后再介绍该领域的一些最前沿的算法。通过提示和技巧，您将了解如何使您的模型学习更有效并变得更有创造力。 了解变分自动编码器如何改变照片中的面部表情 从头开始构建实用的 GAN 示例，包括用于风格迁移的 CycleGAN 和用于音乐生成的 MuseGAN 创建用于文本生成的循环生成模型并学习如何使用注意力改进模型 了解生成模型如何帮助智能体在强化学习环境中完成任务 探索 Transformer（BERT、GPT-2）的架构以及 ProGAN 和 StyleGAN 等图像生成模型

评语：机器学习 生成建模是人工智能领域最热门的话题之一。现在可以教会机器在绘画、写作和作曲等人类活动中表现出色。通过这本实用的书，机器学习工程师和数据科学家将发现如何重新创建生成深度学习模型的一些最令人印象深刻的示例，例如变分自动编码器、生成对抗网络（GAN）、编码器-解码器模型和世界模型楷模。 作者 David Foster 演示了每种技术的内部工作原理，从深度学习的基础知识开始，然后再介绍该领域的一些最前沿的算法。通过提示和技巧，您将了解如何使您的模型学习更有效并变得更有创造力。 了解变分自动编码器如何改变照片中的面部表情 从头开始构建实用的 GAN 示例，包括用于风格迁移的 CycleGAN 和用于音乐生成的 MuseGAN 创建用于文本生成的循环生成模型并学习如何使用注意力改进模型 了解生成模型如何帮助智能体在强化学习环境中完成任务 探索 Transformer（BERT、GPT-2）的架构以及 ProGAN 和 StyleGAN 等图像生成模型

评语：机器学习 生成建模是人工智能领域最热门的话题之一。现在可以教会机器在绘画、写作和作曲等人类活动中表现出色。通过这本实用的书，机器学习工程师和数据科学家将发现如何重新创建生成深度学习模型的一些最令人印象深刻的示例，例如变分自动编码器、生成对抗网络（GAN）、编码器-解码器模型和世界模型楷模。 作者 David Foster 演示了每种技术的内部工作原理，从深度学习的基础知识开始，然后再介绍该领域的一些最前沿的算法。通过提示和技巧，您将了解如何使您的模型学习更有效并变得更有创造力。 了解变分自动编码器如何改变照片中的面部表情 从头开始构建实用的 GAN 示例，包括用于风格迁移的 CycleGAN 和用于音乐生成的 MuseGAN 创建用于文本生成的循环生成模型并学习如何使用注意力改进模型 了解生成模型如何帮助智能体在强化学习环境中完成任务 探索 Transformer（BERT、GPT-2）的架构以及 ProGAN 和 StyleGAN 等图像生成模型

评语：机器学习 生成建模是人工智能领域最热门的话题之一。现在可以教会机器在绘画、写作和作曲等人类活动中表现出色。通过这本实用的书，机器学习工程师和数据科学家将发现如何重新创建生成深度学习模型的一些最令人印象深刻的示例，例如变分自动编码器、生成对抗网络（GAN）、编码器-解码器模型和世界模型楷模。 作者 David Foster 演示了每种技术的内部工作原理，从深度学习的基础知识开始，然后再介绍该领域的一些最前沿的算法。通过提示和技巧，您将了解如何使您的模型学习更有效并变得更有创造力。 了解变分自动编码器如何改变照片中的面部表情 从头开始构建实用的 GAN 示例，包括用于风格迁移的 CycleGAN 和用于音乐生成的 MuseGAN 创建用于文本生成的循环生成模型并学习如何使用注意力改进模型 了解生成模型如何帮助智能体在强化学习环境中完成任务 探索 Transformer（BERT、GPT-2）的架构以及 ProGAN 和 StyleGAN 等图像生成模型

评语：机器学习 介绍深度学习的广泛主题，涵盖数学和概念背景、行业中使用的深度学习技术以及研究观点。 “《深度学习》由该领域的三位专家撰写，是该主题唯一的综合性书籍。” ——埃隆·马斯克，OpenAI 联合主席； Tesla 和 SpaceX 的联合创始人兼首席执行官 深度学习是机器学习的一种形式，它使计算机能够从经验中学习并根据概念层次结构来理解世界。由于计算机从经验中收集知识，因此人类计算机操作员无需正式指定计算机所需的所有知识。概念的层次结构允许计算机通过从更简单的概念中构建复杂的概念来学习复杂的概念。这些层次结构的图表将有很多层。本书介绍了深度学习的广泛主题。本书提供了数学和概念背景，涵盖线性代数、概率论和信息论、数值计算和机器学习中的相关概念。它描述了工业从业者使用的深度学习技术，包括深度前馈网络、正则化、优化算法、卷积网络、序列建模和实用方法论；它调查了自然语言处理、语音识别、计算机视觉、在线推荐系统、生物信息学和视频游戏等应用。最后，本书提供了研究视角，涵盖线性因子模型、自动编码器、表示学习、结构化概率模型、蒙特卡洛方法、配分函数、近似推理和深度生成模型等理论主题。 规划工业或研究职业的本科生或研究生，以及想要开始在其产品或平台中使用深度学习的软件工程师都可以使用深度学习。网站为读者和教师提供补充材料。

评语：机器学习 深度学习适用于更广泛的人工智能问题，例如图像分类、语音识别、文本分类、问答、文本转语音和光学字符识别。 Python 深度学习围绕一系列实用代码示例构建，这些示例说明了引入的每个新概念并演示了最佳实践。当您读完本书时，您将成为 Keras 专家，并且能够在自己的项目中应用深度学习。

评语：机器学习 通过最近的一系列突破，深度学习推动了整个机器学习领域的发展。现在，即使是对这项技术几乎一无所知的程序员也可以使用简单、高效的工具来实现能够从数据中学习的程序。这本实用的书向您展示了如何做到这一点。通过使用具体示例、最少的理论和两个可用于生产的 Python 框架（Scikit-Learn 和 TensorFlow），作者 Aurelien Geron 可以帮助您直观地了解构建智能系统的概念和工具。您将学习一系列技术，从简单的线性回归开始，逐渐发展到深度神经网络。每章中都有练习帮助您应用所学知识，您所需要的只是编程经验即可开始。探索机器学习领域，特别是神经网络 使用 Scikit-Learn 端到端跟踪示例机器学习项目 探索多种训练模型，包括支持向量机、决策树、随机森林和集成方法 使用 TensorFlow 库构建和训练神经网络 深入研究神经网络架构，包括卷积网络、循环网络和深度强化学习 学习训练和扩展深度神经网络的技术。

评语：时间序列 了解如何为日常项目构建和实施机器学习预测模型。通过这本实用的书籍，经验丰富和新手的数据科学家、业务分析师和人工智能开发人员将学习为其组织构建、培训和部署时间序列预测模型所需的步骤。时间序列数据是用于多个行业未来战略和规划运营的宝贵信息来源。从金融到教育和医疗保健，时间序列预测在释放与时间相关的业务洞察方面发挥着重要作用。在过去的几十年里，基于机器学习模型的预测在私人和公共决策过程中都变得流行。

评语：统计学 了解如何为日常项目构建和实施机器学习预测模型。通过这本实用的书籍，经验丰富和新手的数据科学家、业务分析师和人工智能开发人员将学习为其组织构建、培训和部署时间序列预测模型所需的步骤。时间序列数据是用于多个行业未来战略和规划运营的宝贵信息来源。从金融到教育和医疗保健，时间序列预测在释放与时间相关的业务洞察方面发挥着重要作用。在过去的几十年里，基于机器学习模型的预测在私人和公共决策过程中都变得流行。

评语：统计学 《统计学习简介》提供了统计学习领域的简单概述，这是理解过去二十年在生物学、金融、营销和天体物理学等领域出现的庞大而复杂的数据集的重要工具集。本书介绍了一些最重要的建模和预测技术以及相关应用。主题包括线性回归、分类、重采样方法、收缩方法、基于树的方法、支持向量机、聚类等等。彩色图形和现实世界的例子用于说明所提出的方法。由于本书的目标是促进科学、工业和其他领域的从业者使用这些统计学习技术，因此每一章都包含一个关于实施 R 中提出的分析和方法的教程，R 是一个非常流行的开源统计软件平台。 其中两位作者合着了《统计学习的要素》（Hastie、Tibshirani 和 Friedman，2009 年第 2 版），这是一本面向统计和机器学习研究人员的流行参考书。统计学习简介涵盖了许多相同的主题，但其水平可供更广泛的受众理解。本书面向希望使用尖端统计学习技术来分析数据的统计学家和非统计学家。本文假定您之前只学习过线性回归课程，并且不了解矩阵代数。

评语：统计学 《统计学习简介》提供了统计学习领域的简单概述，这是理解过去二十年在生物学、金融、营销和天体物理学等领域出现的庞大而复杂的数据集的重要工具集。本书介绍了一些最重要的建模和预测技术以及相关应用。主题包括线性回归、分类、重采样方法、收缩方法、基于树的方法、支持向量机、聚类等等。彩色图形和现实世界的例子用于说明所提出的方法。由于本书的目标是促进科学、工业和其他领域的从业者使用这些统计学习技术，因此每一章都包含一个关于实施 R 中提出的分析和方法的教程，R 是一个非常流行的开源统计软件平台。 其中两位作者合着了《统计学习的要素》（Hastie、Tibshirani 和 Friedman，2009 年第 2 版），这是一本面向统计和机器学习研究人员的流行参考书。统计学习简介涵盖了许多相同的主题，但其水平可供更广泛的受众理解。本书面向希望使用尖端统计学习技术来分析数据的统计学家和非统计学家。本文假定您之前只学习过线性回归课程，并且不了解矩阵代数。

评语：统计学 这本颇具影响力的教科书的新版本面向研究生或高年级本科生，教授金融工程所需的统计学知识。在此过程中，它使用金融市场和经济数据、带有实际数据练习的 R 实验室以及用于建模和诊断建模错误的图形和分析方法来说明概念。这些方法至关重要，因为金融工程师现在可以访问大量数据。为了利用这些数据，本书中用于处理定量信息（尤其是有关波动性和风险的定量信息）的强大方法至关重要。这个经过全面修订的版本的优点包括对 R 代码和所涵盖的高级主题的主要补充。各章涵盖多元分布、联结函数、贝叶斯计算、风险管理和协整等主题。建议的先决条件是统计和概率、矩阵和线性代数以及微积分的基础知识。有一个关于概率、统计和线性代数的附录。执业金融工程师也会对这本书感兴趣。

评语：统计学 本书强调统计学和概率在金融中的应用。回顾了这些主题的基础知识，并根据需要介绍了更高级的统计学主题，例如回归、ARMA 和 GARCH 模型、引导程序以及使用样条函数的非参数回归。本书涵盖了经典的金融方法，并介绍了行为金融学的新领域。强调 MATLAB 和 SAS 软件的应用和使用。本书将作为针对高年级本科生和硕士生的课程教材。金融行业人士可以自学使用。

评语：关于优化 金融优化方法研究生教科书应用优化方法的最新进展来解决数学金融中的实际问题。

评语：关于优化 关于优化和机器学习之间相互作用的最新描述，两个社区的学生和研究人员都可以访问。优化和机器学习之间的相互作用是现代计算科学最重要的发展之一。事实证明，优化公式和方法对于设计从大量数据中提取基本知识的算法至关重要。然而，机器学习不仅仅是优化技术的消费者，而且是一个快速发展的领域，它本身正在产生新的优化想法。本书以两个领域的研究人员都可以理解的方式捕捉了优化和机器学习之间交互的最新技术。优化方法因其广泛的适用性和有吸引力的理论特性而在机器学习中享有盛誉。当今机器学习模型的复杂性、规模和多样性日益增加，要求重新评估现有的假设。这本书开始了重新评估的过程。它描述了已建立的框架（例如一阶方法、随机近似、凸松弛、内点方法和近端方法）在新环境中的复兴。它还关注新的主题，例如正则化优化、鲁棒优化、梯度和次梯度方法、分裂技术和二阶方法。其中许多技术都从其他领域汲取灵感，包括运筹学、理论计算机科学和优化子领域。这本书将丰富机器学习社区与其他领域以及更广泛的优化社区之间正在进行的交叉融合。

评语：关于优化 本书旨在帮助问题解决者充分利用优化软件，即尽可能最有效地使用现有方法，并在必要时针对特定问题调整和修改技术。因此，本书的内容包括一些对于所有希望解决优化问题的人来说必不可少的主题。此外，还讨论了大多数实际优化问题中应特别感兴趣的某些主题。例如，向希望积极参与提出问题以提高成功解决问题的机会的用户，以及需要了解为什么某种方法无法解决其问题的用户提供建议。

评语：关于优化 凸优化问题在许多不同领域中频繁出现。本书对该主题进行了全面的介绍，并详细说明了如何以数值方式高效地解决此类问题。本书从凸集和函数的基本元素开始，然后描述各类凸优化问题。然后涵盖对偶性和近似技术以及统计估计技术。然后提出各种几何问题，并详细讨论无约束和约束最小化问题以及内点方法。本书的重点是识别凸优化问题，然后找到解决这些问题的最合适的技术。它包含许多实例和家庭作业，对工程、计算机科学、数学、统计学、金融和经济学等领域的学生、研究人员和从业者有吸引力。

评语：概率论 考试题目很难？错过了讲座？不够时间？ 幸运的是，有 Schaum 的。这一一体化包包含 750 多个完全解决的问题、示例和练习，可提高您解决问题的技能。此外，您还可以观看 20 个详细视频，由数学讲师讲解如何解决最常见的测试问题 - 就像拥有自己的虚拟导师一样！您将找到建立信心、技能和知识以获取最高分所需的一切。 超过 4000 万学生相信 Schaum’s 能够帮助他们在课堂和考试中取得成功。Schaum’s 是每个科目更快学习和取得更高成绩的关键。每个大纲都以易于理解的逐主题格式呈现所有基本课程信息。您还可以获得数百个示例、已解决的问题以及练习来测试您的技能。 Schaum 的大纲为您提供 897 问题全部解决 所有课程基础知识的简明解释 有关条件概率和独立性、随机变量、二项分布和正态分布、抽样分布和方差分析的信息 Schaum 的内容与您的课堂文本完全兼容，强调了您需要了解的所有重要事实。使用 Schaum 可以缩短您的学习时间，并获得最好的考试成绩！ 绍姆的纲要——问题已解决。

评语：线性代数 幸运的是，有 Schaum 的。这一一体化包包含 600 多个完全解决的问题、示例和练习，可提高您解决问题的技能。此外，您还可以观看 25 个详细视频，其中数学讲师会解释如何解决最常见的测试问题 - 就像拥有自己的虚拟导师一样！您将找到建立信心、技能和知识以获取最高分所需的一切。 超过 4000 万学生相信 Schaum 能够帮助他们在课堂和考试中取得成功。 Schaum 是每个科目更快学习和取得更高成绩的关键。每个大纲都以易于理解的逐主题格式呈现所有基本课程信息。有用的表格和插图可以增加您对当前主题的理解。 绍姆的线性代数大纲，第六版特点： 更新内容以匹配最新课程 超过 600 个问题并提供逐步解决方案 易于访问的大纲格式，可快速轻松地进行审阅 所有线性代数概念的清晰解释 访问修订后的 Schaums.com 网站和新应用程序，其中包含 25 个解决问题的视频等

评语：线性代数 Fraleigh 和 Beauregard 提供了一本很好的本科水平线性代数教科书，从基础知识开始，介绍了一些重要的应用。

评语：线性代数 Fraleigh 和 Beauregard 提供了一本很好的本科水平线性代数教科书，从基础知识开始，介绍了一些重要的应用。