Abstracto

Machine Learning 2018: La inteligencia artificial como contribución -Darko Matovski-causaLens

Darko Matovski

Las estimaciones sobre el movimiento financiero se conocen fundamentalmente como datos de planificación temporal. Este es siempre el caso de la información constante creada a partir de dispositivos conectados. La información de planificación temporal es notable debido a la presencia de características transitorias. La construcción de modelos utilizando este tipo de información es difícil y requiere un dominio específico, mientras que al mismo tiempo hay muchos cálculos disponibles para la investigación y la demostración. Los dispositivos conectados crean una planificación temporal, por ejemplo, información que muestra cómo cambia una variable o estimación específica a lo largo del tiempo. Para los motivos detrás de la construcción de un modelo financiero, la información de cualquier tipo (contenido, imágenes, voz, video, etc.) finalmente se convierte en la forma de planificación temporal. Sin embargo, no hay muchas herramientas para investigar adecuadamente este tipo de información utilizando tecnología de vanguardia como la IA y la IA. Hasta ahora, los analistas financieros han utilizado modelos básicos y modelos econométricos creados en el siglo pasado. La presentación de estos modelos ha sido decepcionante y atormentada por la falta de solidez y los pequeños tamaños de muestra. Los cálculos modernos, por ejemplo, la IA y las nuevas fuentes de información siguen cambiando por completo la esencia de la demostración y la evaluación financieras. Sin embargo, la apropiación de los modelos de IA actuales en la investigación financiera ha sido moderada, fundamentalmente debido a la falta de innovación y capacidad. causaLens ha desarrollado el primer investigador de datos virtuales impulsado por IA del mundo, capaz de ver datos de arreglos temporales de gran alcance con un mínimo esfuerzo humano. Biografía: Darko Matovski trabaja en causaLens, Reino Unido