6 cărți de machine learning pentru data scientists

Machine learning nu mai este doar pe agenda specialiștilor în date; transformă radical și activitatea zilnică a echipelor financiare. Procese precum recunoașterea bonurilor și facturilor, clasificarea automată a cheltuielilor, depistarea timpurie a tranzacțiilor neobișnuite și prognozarea fluxului de numerar sunt reflectarea directă a algoritmilor din acest domeniu asupra lumii afacerilor. Dacă ești un profesionist din finanțe sau din business care conduce — sau vrea să conducă — această transformare, înțelegerea logicii de bază a tehnologiei îți oferă un mare avantaj: evaluezi mai bine instrumentele pe care le cumperi, construiești un limbaj comun cu echipele tale și știi unde se duc investițiile tale în automatizare.

În acest articol analizăm cele mai autoritare 6 cărți fundamentale despre machine learning. Pentru fiecare carte am rezumat separat atât ceea ce oferă cititorului tehnic, cât și valoarea pe care o are pentru un profesionist din finanțe sau business.

1. Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow — Aurélien Géron

Această carte a lui Aurélien Géron este considerată standardul de aur pentru cei care caută o introducere practică în machine learning. Menține teoria la minimum, se concentrează direct pe aplicare și arată pas cu pas cum se lucrează pe proiecte reale.

De ce să o citești?

• Oferă o foaie de parcurs cuprinzătoare, de la zero până la deep learning.
• În fiecare capitol găsești exemple executabile și exerciții practice.
• Explică într-un limbaj simplu metode fundamentale precum clasificarea, gruparea și predicția.

Valoarea pentru profesionistul din finanțe: Este sursa cea mai accesibilă pentru a înțelege, fără a te îneca în matematică, logica de clasificare din spatele automatizărilor financiare precum categorisirea cheltuielilor și recunoașterea facturilor.

2. Pattern Recognition and Machine Learning — Christopher M. Bishop

Această lucrare clasică a lui Christopher Bishop este scrisă pentru cei care doresc să înțeleagă în profunzime bazele matematice ale machine learning. Este o sursă cu greutate academică ridicată, care îmbină teoria probabilităților și statistica cu algoritmii.

De ce să o citești?

• Este una dintre cele mai complete surse privind inferența probabilistică.
• Exercițiile de la sfârșitul capitolelor consolidează conceptele.
• În multe universități este predată ca manual de bază.

Valoarea pentru profesionistul din finanțe: Luarea deciziilor în condiții de incertitudine este esența finanțelor; perspectiva probabilistică a acestei cărți te ajută să înțelegi de ce modelele pe teme precum abaterea de la buget și prognozarea riscului vorbesc „probabilistic“, nu „cert“.

3. Deep Learning — Ian Goodfellow, Yoshua Bengio și Aaron Courville

Această lucrare, semnată de trei nume pioniere ale domeniului, este cunoscută drept „cartea fundamentală“ a deep learning. Tratează în mod cuprinzător laolaltă aspectele teoretice și practice.

De ce să o citești?

• Este considerată cea mai autoritară sursă despre deep learning.
• Rezumă în primele capitole cunoștințele matematice necesare.
• Este disponibilă gratuit pe site-ul oficial al autorilor.

Valoarea pentru profesionistul din finanțe: Toate sistemele care extrag date din imagini de bonuri și facturi și care citesc documente se bazează pe deep learning; această carte arată ce este de fapt această „magie“ pe care echipele financiare o folosesc în fiecare zi.

4. The Elements of Statistical Learning — Trevor Hastie, Robert Tibshirani și Jerome Friedman

Scrisă de trei profesori de statistică de la Universitatea Stanford, această carte este una dintre lucrările care tratează cel mai cuprinzător metodele de învățare statistică și privește subiectul din perspectiva statisticii.

De ce să o citești?

• Acoperă o gamă largă, de la metode liniare până la modele bazate pe arbori.
• Explică bazele teoretice ale unor metode încă folosite pe scară largă astăzi.
• Poate fi descărcată gratuit de pe site-ul universității; cei care caută o alternativă mai accesibilă pot prefera „An Introduction to Statistical Learning“ a acelorași autori.

Valoarea pentru profesionistul din finanțe: O mare parte dintre modelele care depistează tranzacțiile neobișnuite din datele de cheltuieli și încearcă să anticipeze frauda cu cheltuieli sunt construite pe metodele statistice descrise în această carte.

5. Python Machine Learning — Sebastian Raschka și Vahid Mirjalili

Această carte a lui Sebastian Raschka și Vahid Mirjalili îmbină echilibrat teoria cu practica; se adresează unui public larg de cititori, de la nivel începător până la avansat.

De ce să o citești?

• Predă metodele clasice prin exemple practice.
• Tratează în detaliu etapele de pregătire a datelor și de evaluare a modelelor.
• Acoperă domenii de aplicare actuale precum datele textuale și analiza sentimentelor.

Valoarea pentru profesionistul din finanțe: Secțiunile despre evaluarea modelelor te învață să pui întrebările de care un manager financiar are nevoie pentru a testa afirmațiile furnizorilor despre produse „susținute de inteligență artificială“ — pe ce criteriu este considerat un model reușit, care este marja de eroare?

6. Machine Learning: A Probabilistic Perspective — Kevin P. Murphy

Această lucrare amplă a lui Kevin Murphy tratează machine learning dintr-o perspectivă probabilistică și este considerată una dintre cele mai detaliate surse de referință din domeniu. Seria mai recentă a autorului, „Probabilistic Machine Learning“, oferă și ea o alternativă actualizată.

De ce să o citești?

• Reunește sub același acoperiș abordări clasice și moderne.
• Oferă un inventar amplu al metodelor de învățare supervizată și nesupervizată.
• La sfârșitul capitolelor conține exerciții ample.

Valoarea pentru profesionistul din finanțe: Este sursa care aprofundează cel mai mult gândirea probabilistică pe care se bazează modelele financiare de perspectivă precum fluxul de numerar și prognozarea veniturilor.

Cum să alegi cartea potrivită?

Alegerea depinde de nivelul tău actual de cunoștințe și de obiectivul tău:

• Profesioniști din finanțe și business: Începe cu cartea lui Géron; dacă scopul tău nu este să scrii cod, ci să înțelegi tehnologia care îți automatizează procesele, chiar și primele capitole oferă o înțelegere suficientă.
• Cititori tehnici începători: Cărțile practice ale lui Géron sau Raschka nu necesită o bază matematică solidă.
• Nivel avansat: Dobândește profunzime teoretică cu lucrările lui Bishop, Goodfellow, Hastie sau Murphy.

Indiferent ce carte alegi, corelează ceea ce citești cu propriile date. Dacă ești pe partea de finanțe, cel mai bun exercițiu este să te uiți la datele de cheltuieli ale companiei tale și să pui întrebarea: „ce pași de aici pot fi automatizați?“

Întrebări frecvente

Ca profesionist din finanțe, trebuie să știu să programez pentru a citi aceste cărți?

Nu. Secțiunile conceptuale din cărțile lui Géron și Raschka fac logica machine learning ușor de înțeles și fără a scrie cod. Scopul nu este să produci tehnologia, ci să evaluezi în mod conștient sistemele pe care le cumperi sau le gestionezi.

Unde se folosește concret machine learning în procesele financiare?

Citirea automată a informațiilor de pe bonuri și facturi, atribuirea cheltuielilor la categoria corectă, semnalarea cheltuielilor în afara politicii sau neobișnuite și prognozarea fluxului de numerar sunt cele mai răspândite domenii de utilizare. Despre timpul pe care aceste automatizări îl economisesc companiilor am scris în articolul nostru despre costul ascuns în timp al introducerii cheltuielilor.

Există cărți accesibile gratuit?

Da. Cartea „Deep Learning“ a lui Goodfellow este disponibilă gratuit pe site-ul oficial al autorilor, iar „The Elements of Statistical Learning“ a lui Hastie este liber accesibilă pe site-ul Universității Stanford.

Rămân aceste cărți de actualitate?

Algoritmii fundamentali și principiile matematice își păstrează valabilitatea în timp; cărțile practice primesc în schimb actualizări regulate de ediție. Pentru scheletul conceptual, lucrările clasice rămân în continuare repere de încredere.

De la teorie la practică: machine learning în serviciul echipelor financiare

Metodele descrise în aceste cărți lucrează deja în instrumentele zilnice ale echipelor financiare. Noi, la Masraff, construim direct pe acești algoritmi funcții precum recunoașterea inteligentă a bonurilor și facturilor, categorisirea automată și depistarea anomaliilor de cheltuieli. Pentru a vedea cum machine learning va aduce valoare proceselor tale de cheltuieli, poți analiza soluția noastră de gestionare a cheltuielilor, iar pentru întrebări ne poți contacta.