電腦視覺機器學習實務｜建立端到端的影像機器學習 (1版)

其他會員也一起購買

內容簡介 　　「本書全面介紹深度電腦視覺的最先進作法，在Keras中建構端到端生產系統，提供經過實戰檢驗的最佳實務解決方案。」 　　—François Chollet 　　深度學習研究者和Keras創造者 　　這本實用指南向您展示了如何使用機器學習模型從影像中淬取資訊。ML工程師和資料科學家將會學習經過驗證的ML技術來解決各種影像問題，包括分類、物件偵測、自編碼器、影像產生、計數和圖說產生。本書卓越的介紹了端到端深度學習：資料集建立、資料前置處理、模型設計、模型訓練、評估、部署和可解釋性。 　　Google工程師Valliappa Lakshmanan、Martin Görner和Ryan Gillard向您展示了如何開發準確且可解釋的電腦視覺ML模型，並使用強大的ML架構以靈活且可維護的方式將它們投入大規模生產。您將學習如何使用以TensorFlow和Keras編寫的模型進行設計、訓練、評估和預測。 　　您將學習如何： 　　‧為電腦視覺任務設計機器學習架構 　　‧選擇適合您的任務的模型(例如ResNet、SqueezeNet或EfficientNet) 　　‧建立端到端ML生產線來訓練、評估、部署和解釋您的模型 　　‧前置處理影像以進行資料擴增進行並支援可學習性 　　‧納入可解釋性和負責任的AI的最佳實務 　　‧將影像模型部署為Web服務或在邊緣設備上 　　‧監控和管理機器學習模型 目錄 前言 第1章 電腦視覺之機器學習 第2章 視覺機器學習模型 第3章 影像視覺 第4章 物件偵測與影像分割 第5章 建立視覺資料集 第6章 前置處理 第7章 訓練生產線 第8章 模型品質和持續評估 第9章 模型預測 第10章 生產 ML 的趨勢 第11章 進階視覺問題 第12章 影像和文本產生 後記 索引

Python演算法交易 Python for Algorithmic Trading (1版) (1版)

其他會員也一起購買

Python演算法交易 系列名：程式設計 ISBN13：9789865028640 出版社：美商歐萊禮 作者：Yves Hilpisch 譯者：藍子軒 裝訂／頁數：平裝／416頁 規格：23cm*17cm (高/寬) 出版日：2021/07/26 中國圖書分類：電腦程式語言 內容簡介 　　從創意發想到雲端部署 　　「能看到Yves Hilpisch完成他的大作，真令人感到興奮；他的著作整合了Python與雲端計算的全套做法，運用統計學與機器學習的技術，在金融市場中取得正向的報酬。」 　　—McKlayne Marshall 　　演算法交易專業工作者 　　演算法交易在過去曾是各大投資機構獨佔優勢的領域，但如今就算是小型投資機構或甚至散戶交易者，也都有能力透過線上平台從事這類的交易。如今許多交易者都選擇Python(及其強大的套件體系)做為他們實現演算法交易的工具。本書作者Yves Hilpisch針對如何把Python運用於演算法交易這個引人入勝的領域，為所有學生、學者及專業工作者提供了相應的介紹。 　　你將在演算法交易許多不同的面向，學習到各種應用Python的方式，例如交易策略的回測，以及與線上交易平台互動的做法。一些規模最大的買賣投資機構，都在大量運用Python。 本書會以系統化的方式探索如何打造、部署自動化演算法交易策略，協助你達到與其他人公平競爭的水準。 　　‧設定一個適合進行演算法交易的Python環境 　　‧學習如何從公開或專用的資料來源，檢索出金融數據資料 　　‧運用NumPy與pandas，探索向量化金融分析方法 　　‧掌握不同演算法交易策略的向量化回測做法 　　‧運用機器學習與深度學習，做出市場預測 　　‧運用socket程式設計工具，即時處理串流資料 　　‧透過Oanda與FXCM交易平台，實現自動化演算法交易策略 目錄 第一章 Python & 演算法交易 第二章 Python 基礎架構 第三章 金融數據資料的處理 第四章 精通向量化回測 第五章 運用機器學習預測市場動向 第六章 打造事件型回測物件類別 第七章 即時資料與 Socket 的處理 第八章 運用 Oanda 交易 CFD 差價合約 第九章 運用 FXCM 進行外匯交易 第十章 自動化交易操作 附錄 Python、NumPy、matplotlib、pandas

Python 投資停看聽：運用 Open data 打造自動化燈號，學會金融分析精準投資法 (1版)

類似書籍推薦給您

【簡介】 本書內容改編自第12屆iT邦幫忙鐵人賽 Microsoft Azure 組佳作網站系列文章 Python X 金融分析 X Azure 本書從 Python 入門出發，學習撰寫 Python 程式，說明如何運用 Python 知名工具－pandas、TA-Lib和Matplotlib 進行交易數據的整理，實作各式金融分析。並可學習如何從政府的開放資料平臺取得各種股票、期貨數據，運用其提供的資源，讓我們可以更容易取得金融市場資訊，打造出屬於自己的交易策略和交易工具。 學會如何建立工具後，將可更進一步的學習 Azure，藉由微軟的 Azure 雲端平臺，讓自己的工具得以在雲端上運行，增加穩定性也減少管理成本。 從本書學習到這些金融知識後，不僅可以運用在個人投資上，也可以跨入資料分析、資料科學等等領域，甚至可跨入時下最夯的 FinTech 中。 書籍特色 Python 程式簡單上手 從入門到實作，快速瞭解 Python 並且學會使用開源工具－Visual Studio Code 進行程式開發。 自己的交易，自己分析 結合股票、期貨、選擇權等金融商品，加上 pandas、Matplotlib 模組，製作自己的分析工具以及交易訊號。 資料與程式雲端化 使用微軟的 Azure 讓自己的程式與資料雲端化，打造全自動收集資料的程式工具。 專業推薦 「金融科技的浪潮來襲」相信大家對這句話並不陌生。金融領域廣大遼闊， 常使人不知道要如何進入。本書可以作為金融科技的其中一個入口， 從科技的角度窺探金融與科技結合的可能性， 提供給沒有太多程式經驗的人一個跨入金融領域的入門工具。 沈育德 /美好證券 科技長 目標讀者 1.身為程式小白，想要用程式取得金融資料並達到自動化的讀者。 2.身為程式入門者，但不瞭解 Python 與金融知識的讀者。 3.學過 Python 但是沒有做過數據分析，或是想要瞭解金融分析的人。 4.想要使用 Azure 幫助減少管理伺服器的負擔，卻不知道如何開始的人。 【目錄】 |CHAPTER| 01 Python 與 VS Code 入門 1.1 本章學習到什麼？ 1.2 Python 1.2.1 簡介 1.2.2 安裝 1.3 Visual Studio Code 1.3.1 簡介 1.3.2 安裝 |CHAPTER|02 Python 基本操作 2.1 本章學習到什麼？ 2.2 Python 語法 2.2.1 使用 VS code 執行程式 2.2.2 變數命名 2.2.3 註解（Comments） 2.2.4 縮排 2.3 資料型態 2.3.1 什麼是資料型態？ 2.3.2 字串（string ） 2.3.3 數值型態 2.3.4 邏輯計算 2.3.5 資料集合型態 2.4 流程控制 2.4.1 if 陳述式 2.4.2 for 陳述式 2.4.3 while 陳述式 2.4.4 break & continue & else 2.5 例外處理 2.5.1 語法錯誤（syntax error ） 2.5.2 例外（Exception ） 2.6 函式（Function ） 2.6.1 架構 2.6.2 函式參數 2.6.3 回傳資料 2.7 模組（module） 2.7.1 架構 2.7.2 使用範例 2.7.3 引入模組的運用 2.8 類別（class ） 2.8.1 架構 2.8.2 使用範例 |CHAPTER|03 取得網路上金融資料 3.1 本章學習到什麼？ 3.2 Python 虛擬環境 3.2.1 virtual environment 3.2.2 pipenv 3.2.3 VS Code 3.3 Pandas 3.3.1 簡介 3.3.2 實作 Pandas 3.4 來源資料 3.4.1 Yahoo! Finance 3.4.2 Open data 3.5 MySQL 介紹與安裝 3.5.1 介紹 3.5.2 安裝 3.5.3 MySQL Workbench 3.5.4 建立資料庫 3.5.5 PyMySQL 與 SQL 語法 |CHAPTER|04 策略分析介紹及實作 4.1 本章學習到什麼？ 4.2 Jupyter Notebook 4.2.1 介紹 4.2.2 安裝 4.2.3 執行Jupyter 4.2.4 呈現股票資料圖表 4.3 分析策略 4.3.1 簡單移動平均線（SMA） 4.3.2 MACD 4.3.3 RSI 4.3.4 KD 線 4.3.5 K 線 |CHAPTER|05 製作交易訊號燈 5.1 本章學習到什麼？ 5.2 訊號燈 5.2.1 加權指數訊號燈 5.2.2 三大法人期選訊號燈 5.2.3 取得三大法人期貨歷史資料 5.2.4 三大法人臺指期留倉訊號燈 5.2.5 散戶指標訊號燈 5.2.6 股票 SMA 穿越訊號燈 5.3 模組化訊號燈 5.4 訊號燈解讀實例 |CHAPTER|06 把服務掛在雲端 6.1 本章學習到什麼？ 6.2 雲端服務簡介 6.3 Azure 6.3.1 Azure 簡介 6.3.2 Azure Database for MySQL 6.3.3 Serverless － Azure Functions 6.3.4 Azure 付費

Python金融市場賺大錢聖經：寫出你的專屬指標(四版) (4版)

類似書籍推薦給您

【簡介】 ＼\暢銷好書2025全新改版/／ ☆★寫出你的專屬指標★☆ 前程式交易員、現職量化交易研究人員帶你用Python寫出本書三大核心 獲取台灣股市資料X小幫手每日自動監控市場X透過回測打造最佳策略 　　當別人的策略10秒鐘完成回測10年的資料時，你是否仍辛苦的一年一年人工驗證自己的策略？ 　　當別人有程式在替他監控市場而有空邊喝咖啡邊吃下午茶時，你是否還在辛苦盯盤，甚至荒廢本業？ 　　近年來程式充斥、席捲了整個市場，學習程式不僅是為了因應就業潮流，也是讓您在各個場域、各種需求下都能有更適合自己的一套作業方式！ 　　比起其他好用又方便的自動交易軟體，Python擁有更高度的自由化；比起雖然專業且支援廣泛卻要價不斐的軟體Bloomberg，Python是更容易入手的選擇。 　　學會一套Python語言讓你可以自由地獲取你想要的資料、自由地寫出屬於你的專屬指標。 　　☛讀完本書，您能熟悉軟體的執行方式、基本套件操作及函數： 　　✔基本觀念：變數、print 等 　　✔了解常用資料結構概念及常用基本資料類型 　　✔迴圈、條件式及控制 　　✔運算子：+ - * / 以及其他概念 　　✔了解Python規定縮排規則及import使用套件基礎操作 　　✔熟悉pip與def概念及語法 　　✔熟練cmd、vscode及Github 　　✔實際操作爬蟲，了解pandas套件、BeautifulSoup與一些常使用的資料清洗方法 　　✔學會yfinance、ta套件及deal_holiday.py程式，並學會設置windows排程 　　✔try / except 的基本概念及應用 　　✔traceback 追蹤錯誤訊息　 　　✔numpy 的各種基礎統計方法：max、min、std、mean、percentile等 　　✔熟悉pyfolio用法，熟悉backtrader框架的入門與應用 　　☛適合讀者 　　✪具備基本Python基礎的讀者 　　✪對程式交易無經驗或小有經驗者 　　✪想更輕鬆獲取股市交易資訊的讀者  【目錄】 01環境準備—順便談一些開發小習慣 1.1 安裝Python ▌安裝python ▌安裝python – x86 與x86-64 ▌安裝python – 測試安裝是否成功 ▌小節統整 1.2 pip 套件管理 ▌pip 安裝套件 – 基礎語法 ▌pip 安裝套件 – 安裝套件列表中的套件 ▌小節統整 1.3 準備編輯器 ▌下載vscode ▌vscode 相關設定 ▌vscode 常見快捷鍵與注意事項 ▌vscode 編寫程式，cmd 執行py 檔 ▌小節統整 1.4 開發小習慣 – 虛擬環境 ▌虛擬環境介紹 ▌創建虛擬環境 ▌啟動及關閉虛擬環境 ▌虛擬環境與requirement.txt ▌虛擬環境與vscode ▌小節統整 1.5 本書的程式 (Github) 02 資料取得— 資料就是財富 2.1 網路爬蟲簡介 ▌聊聊爬蟲 ▌爬蟲攻防戰之一- 你不是瀏覽器! ▌爬蟲攻防戰之二- 你為什麼瘋狂向我請求？ ▌爬蟲攻防戰之三- 我知道你刻意沉睡一秒 ▌爬蟲攻防戰之四- 我的網站要有操作才有資料，或者是動態網站，你不行了吧？ ▌其他可能爬蟲攻防戰 ▌小節重點 2.2 台股列表蟲 ▌聊聊台股清單 ▌前置作業 – 在寫程式之前 ▌虛擬環境與套件安裝 ▌善用開發者工具，觀察網頁結構 ▌開始爬蟲 – requests+pandas 處理表格式網站! ▌爬蟲之後的客製化資料 ▌爬蟲後的客製化資料 - Dataframe 資料切割iloc ▌爬蟲後的客製化資料 - 將函數套用到每一筆資料- apply ▌爬蟲後的客製化資料 – split 切割字串 ▌爬蟲後的客製化資料 - 篩選台股947 檔股票與去除雜質 ▌爬蟲後的客製化資料 – 篩選符合條件的值 ▌小節統整 2.3 報價取得蟲 ▌聊聊報價來源 ▌觀察網址與網頁結構 ▌2025 再版調整 – yahoo us 的爬蟲架構改變 ▌爬蟲開始 – requests+BeautifulSoup 解析網站 ▌爬蟲開始 - 多定位find_all 與單一定位find ▌程式函數化(def) ▌程式函數化 - f-string 動態帶入函數參數 ▌import 自己寫的程式小意外，找不到程式 ▌小節統整 2.4 新聞取得蟲 ▌聊聊新聞作用 ▌Yahoo 新聞網頁已改版 ▌快速開始爬蟲 – 觀察網址與網頁結構再開始爬 ▌快速開始爬蟲 – 爬取新聞標題網址 ▌快速開始爬蟲 – 爬取日期 ▌快速開始爬蟲 – 日期字串處理split() ▌快速開始爬蟲 – zip 方法同時迴圈多個list ▌快速開始爬蟲 – 取得多頁數 ▌程式函數化 - for loop + range 處理多頁數 ▌程式函數化 - 將多個list 儲存至dataframe ▌小補充 – if / elif /else 條件控制 ▌觀察新版的yahoo 新聞介面 ▌爬取新版的新聞- 實作第一層爬蟲 ▌爬取新版的新聞- 實作第二層爬蟲 ▌程式函數化 ▌小節統整 2.5 證交所三大法人買賣超日報表蟲 ▌聊聊買賣超日報 ▌使用開發者工具Network 觀察對方資料來源 ▌使用api 獲取資料 - 觀察並測試對方api 使用參數 ▌使用api 獲取資料 - 查看對方api 使用參數類型 ▌使用api 獲取資料 - 超好用的輕量級資料格式json ▌使用api 獲取資料 - 開始使用對方api 進行請求 ▌程式函數化 ▌小節統整 03 股市小幫手系列— 股市小幫手，股票池篩選與入門 3.1 yfinance 歷史資料取得 ▌聊聊套件的使用 ▌yfinance - 股市報價獲取 ▌yfinance - 獲取指定區間的歷史股價 ( 含股利發放及股票分割) ▌yfinance - 獲取其擁有的所有區間的歷史股價 ▌yfinance - 股票基本資訊 ▌yfinance - 內部人士與機構法人持有比例 ▌yfinance - 主要持有的機構法人 ▌yfinance - 取得損益表 ▌yfinance - 取得資產負債表 ▌yfinance - 取得現金流量表 ▌小節統整 3.2 ta & pandas 產製各種指標 ▌ta 產出各種技術指標 ▌ta – 一次性產生42 種技術指標 ▌ta 移動平均– 產生單一指標，以移動平均為例 ▌ta 移動平均– 趁機會解說為何使用Class( 類) ▌ta 移動平均 – 查找對方Class 底下的function ▌ta 布林通道– 產生單一指標，以布林通道為例 ▌pandas 高點與低點指標– rolling 方法 ▌pandas 窗格內的高點變化 – applyΛ 靈活操作資料 ▌小節統整 3.3 畫出K 棒與基礎視覺化方法 ▌聊聊視覺化方法與建議 ▌視覺化方法 - 設置畫布及區塊 ▌畫出K 棒 ▌畫出K 棒– 調整標題與xy 軸 ▌畫出K 棒 – 處理x 軸日期顯示問題 ▌畫出布林通道 – 於k 棒上 ▌畫出成交量 – 在下方子圖 ▌小節統整 3.4 小幫手信件通知 ▌聊聊寄信的流程與方法 ▌加入寄件人、收件人及標題 ▌加入信件內容 ▌加上附檔 ▌設定SMTP 發信 ▌寄信小幫手函數化 ▌額外小補充 – continue / break / pass ▌小節統整 3.5 密碼保護 – 拒絕將重要資訊寫在程式中 ▌聊聊密碼保護 ▌聊聊對帳密資訊進行加密 ▌加解密小工具 – 下載檔案包 ▌加解密小工具 – 開始操作 ▌加解密小工具 – key 跟config ▌題外話 – input 函數 ▌小節統整 3.6 營業日判斷 ▌聊聊營業日處理 ▌營業日判斷 – 下載國定假日表 ▌營業日判斷 – 格式處理 ▌營業日判斷 – 判斷是否為營業日 ▌營業日判斷 – 函數化 ▌小節統整 3.7 小幫手系列1 – 跟著法人走 ▌聊聊跟著法人進行交易 ▌開新的專案資料夾，分割前面的練習 ▌為新的環境安裝套件 ▌跟著法人走 – 開始撰寫! ▌異常處理 – try /except 介紹 ▌異常處理 – 實作在我們的小幫手系列 ▌小節統整 3.8 小幫手系列2 – 配息高( 現金殖利率)、股價低 ▌聊聊配息高與股價低 ▌決定心目中的高配息 ▌獲取殖利率大於5% 的股票清單 ▌獲取目標股票股價 ▌準備寄出掃描結果 ▌小節統整 3.9 小幫手系列3 – 暴跌中的股票+ 消息面 ▌聊聊暴跌中的股票與消息面 ▌取得暴跌中的股票 ▌小節統整 3.10 讓程式自動為你工作– 善用windows 排程 ▌聊聊排程器 ▌打開工作排程器，基本了解 ▌設置小幫手系列1 ▌設置小幫手系列1 – 設置一般 ▌設置小幫手系列1 – 設置觸發程序 ▌設置小幫手系列1 – 設置動作 ▌設置小幫手系列2 ▌設置小幫手系列2 – 掃描高配息股，設置一般 ▌設置小幫手系列2 – 掃描高配息股，設置觸發程序 ▌設置小幫手系列2 – 掃描高配息股，設置動作 ▌設置小幫手系列2 – 掃描高配息名單價格，設置一般 ▌設置小幫手系列2 – 掃描高配息名單價格，設置觸發程序 ▌設置小幫手系列2 – 掃描高配息名單價格，設置動作 ▌設置小幫手系列3 – 暴跌中的股票，設置一般 ▌設置小幫手系列3 – 暴跌中的股票，設置觸發程序 ▌設置小幫手系列3 – 暴跌中的股票，設置動作 ▌小節統整 04 指標型策略撰寫與效益評估 4.1 策略分析工具 - pyfolio ▌聊聊策略分析工具pyfolio ▌vscode 中使用jupyter ▌開始體驗pyfolio ▌第一步驟 - 每日的總資產變化 ▌第二步驟 - 轉化每日資產報酬率變化 ▌第三步驟 - 使用pyfolio，收看圖表 ▌小節統整 4.2 回測框架 - backtrader ▌聊聊回測 ▌Backtrader 官方文檔 ▌backtrader – 使用官方範例 ▌backtrader 介紹 – 定義params ▌backtrader 介紹 – log ▌backtrader 介紹 – __init__ ▌backtrader 介紹 – notify_order ▌backtrader 介紹 – notify_trade ▌backtrader 介紹 – next ▌backtrader 介紹 – 運行框架設置前的小插曲 ▌backtrader 介紹 – 正式介紹運行框架設置 ▌Backtrader 的可能問題之一 - FileNotFoundError ▌Backtrader 的可能問題之二 - ImportError ▌backtrader 介紹 – pyfolio 串接 ▌小節統整 4.3 指標型策略1 – 5ma 穿越60ma 進場，跌破60ma 出場 ▌聊聊指標型策略 - ma 的應用 ▌ma 策略 – params ▌ma 策略 – log ▌ma 策略 – __init__ ▌ma 策略 – notify_order ▌ma 策略 – notify_trade ▌ma 策略 – next ▌ma 策略 – 一般設置 ▌ma 策略 – 演算最適參數 ▌小節統整 4.4 指標型策略2 – 追高進場與加碼，固定停損停利 ▌聊聊追高進場 ▌Highest_high 策略 – params ▌Highest_high 策略 – log ▌Highest_high 策略 – __init__ ▌Highest_high 策略 – notify_order ▌Highest_high 策略 – notify_trade ▌Highest_high 策略 – next ▌Highest_high 策略 – 一般設置 ▌Highest_high 策略 – 進階方法演算評估最適參數 ▌小節統整 4.5 指標型策略3 – macd 翻紅、ma 齊上揚多條件進場 ▌聊聊macd 與ma 多條件進場 ▌macd+ma 策略 – params ▌macd+ma 策略 – __init__ ▌macd+ma 策略 – log ▌macd+ma 策略 – notify_order ▌macd+ma 策略 – notify_trader ▌macd+ma 策略 – next ▌macd+ma 策略 – 一般 ▌macd+ma 策略 – 測試多檔商品 ▌小節統整 05 聊聊AI、大數據與金融 5.1 深度學習、新聞、股市 ▌聊聊為什麼有這個章節以及何謂大數據 ▌在開始之前推薦一些資源 ▌日盛金控黑克松，人工智慧解盤 ▌關聯式新聞提取方法 5.2 野村實習期間 ▌聊聊為什麼有這個章節 ▌AI 導入專案 ▌DATA 的部分 ▌Features Selection 的部分 ▌Model 的部分 ▌Predict 的部分 ▌上線運行與佈署 5.3 做為程式交易工作者 ▌聊聊做程式交易的起源 ▌使用Multicharts 開發策略 ▌使用Python 研究市場、開發策略、AI 交易