FinUniversity Electronic Library

     
?

Details
Card Table RUSMARC

Парадигмы цифровой экономики: технологии искусственного интеллекта в финансах и финтехе: монография / Н.М. Абдикеев [и др.]; Финуниверситет; под ред. М.А. Эскиндарова, В.И. Соловьева. — Москва: Когито-Центр, 2019. — 325 с. — Имеется электронная версия: Электронные данные (1 файл: 12,1 Мб). — Доступ из локальной сети Финуниверситета(чтение). — <URL:http://elib.fa.ru/rbook/Abdikeev_paradigmy.pdf>.

Record create date: 5/23/2019

Subject: авторы ФА; РФ; юбилеи; 100 лет; книги; научные издания; монографии; экономика; финансы; мировая экономика; национальная экономика; цифровая экономика; искусственный интеллект; финтех; рецензенты ФА; Назипов Д.А.; интеллектуальные технологии; машинное обучение; банковское дело; отмывание денег; прогнозирование; цифровизация; цифровые системы; цифровые платформы; маркетплейсы; автоматизация; семантические сети; полный текст; электронные публикации

UDC: 336

LBC:

Allowed Actions: –

Action 'Read' will be available if you login or access site from another network

Group: Anonymous

Network: Internet

Document access rights

Network User group Action
Finuniversity Local Network All Read
-> Internet Anonymous

Table of Contents

  • Содержание
  • ПРЕДИСЛОВИЕ
  • ВВЕДЕНИЕ
  • Глава 1 ЭКОСИСТЕМА И ЛАНДШАФТ ФИНТЕХА
    • 1.1. Финтех
    • 1.2. Предпосылки возникновения финтеха
    • 1.3. Экосистема финтеха
    • 1.4. Бизнес-модели финтеха
    • 1.5. Ландшафт финтеха
  • Глава 2 ИНТЕЛЛЕКТУАЛЬНЫЕ ТЕХНОЛОГИИВ КРЕДИТНОМ СКОРИНГЕИ ОЦЕНКЕ УСТОЙЧИВОСТИФИНАНСОВЫХ ОРГАНИЗАЦИЙ
    • 2.1. Применение машинного обучения в кредитном скоринге
    • 2.2. Интеллектуальные методы анализа устойчивости банков
    • 2.3. Интеллектуальные методы выявления кредитныхорганизаций, вовлеченных в отмывание доходов
  • Глава 3ИНТЕЛЛЕКТУАЛЬНЫЕ ТЕХНОЛОГИИПРОГНОЗИРОВАНИЯ СОСТОЯНИЙФИНАНСОВЫХ РЫНКОВ
    • 3.1. Традиционные модели машинного обучения,используемые для прогнозирования рыночных трендов
    • 3.2. Алгоритм прогнозирования моментов разворотоврыночных трендов на основе скользящих окон
    • 3.3. Применение сверточных нейронных сетейдля решения задач классификации и прогнозирования
    • 3.4. Применение генеративно-состязательных нейронных сетейдля решения задач классификации и прогнозирования
    • 3.5. Применение систем, основанных на обучениис подкреплением, для решения задач классификациии прогнозирования
  • Глава 4 ЦИФРОВЫЕ ПЛАТФОРМЫ И МАРКЕТПЛЕЙСЫ
    • 4.1. Цифровые платформы как трендкорпоративной автоматизации
    • 4.2. Цифровые платформы в управлении цепями поставок
    • 4.3. Межотраслевой маркетплейс для участников созданияновых высокотехнологичных продуктов
    • 4.4. Интеллектуальная система мониторинга вовлеченностистудентов на основе технологий интернета вещей
    • 4.5. Формализация экономических отношенийв условиях развития автоматизации
  • Глава 5 ТЕХНОЛОГИИ ВИКИ И ИХ ПРИМЕНЕНИЕ
    • 5.1. Вики-технологии
    • 5.2. Википедия
    • 5.3. Википедия как источник,описывающий окружающую действительность
  • Глава 6 ТЕХНОЛОГИИ СЕМАНТИЧЕСКИХ СЕТЕЙИ ИХ ПРИМЕНЕНИЕ
    • 6.1. Введение в семантику и Semantic Web
    • 6.2. Стек технологий Семантической паутины
    • 6.3. RDF
    • 6.4. OWL
    • 6.5. SPARQL
    • 6.6. Примеры онтологий и семантических сетей
    • 6.7. Применение семантических сетей
  • Глава 7ТЕХНОЛОГИИ ВИКИ-ГРАФА И ИХ ПРИМЕНЕНИЕ
    • 7.1. Вики-граф
    • 7.2. Графовые базы данных
    • 7.3. Построение Вики-графа
    • 7.4. Анализ Вики-графа
    • 7.5. Практическое применение Вики-графа
  • Глава 8 ТЕХНОЛОГИИ КОНЦЕПТУАЛЬНЫХ КАРТИ ИХ ПРИМЕНЕНИЕ
    • 8.1. Суть и специфика концептуальных карт
    • 8.2. Применение концептуальных карт
    • 8.3. Инструменты работы с концептуальными картами
    • 8.4. Пример адаптации технологии концептуальных картдля создания прикладного семантической технологиидля банка
  • ЛИТЕРАТУРА

Usage statistics

stat Access count: 45
Last 30 days: 0
Detailed usage statistics