Abstrait

Machine Learning 2018 : L'intelligence artificielle au service de la contribution -Darko Matovski-causaLens

Darko Matovski

Les estimations sur les mouvements financiers sont fondamentalement appelées informations temporelles. C'est toujours le cas pour les informations continues générées à partir d'appareils connectés. Les informations temporelles sont remarquables en raison de la proximité des propriétés transitoires. La création de modèles utilisant ce type d'informations est difficile et nécessite une maîtrise particulière alors qu'en même temps, de nombreux calculs sont disponibles pour l'analyse et la démonstration. Les appareils connectés créent des informations temporelles, par exemple des informations qui montrent comment une variable ou une estimation spécifique change au fil du temps. Pour les raisons de la conception d'un modèle financier, les informations de toute sorte (contenu, images, voix, vidéo, etc.) sont finalement converties en une forme d'arrangement temporel. Cependant, il n'existe pas beaucoup d'outils pour analyser correctement ce type d'informations en utilisant des technologies de pointe comme l'IA et l'IA. Jusqu'à présent, les analystes financiers ont utilisé des modèles simples et des modèles économétriques créés au cours du siècle précédent. La présentation de ces modèles a été décevante et tourmentée par un manque de cohérence et des tailles d'échantillons réduites. Les calculs actuels, tels que l'IA et les nouvelles sources d'information, continuent de changer complètement l'essence de la démonstration et de l'évaluation financières. Cependant, l'utilisation des modèles d'IA actuels dans la recherche financière a été modérée, principalement en raison du manque d'innovation et de capacité. causaLens a développé le premier chercheur de données virtuel piloté par l'IA au monde, capable de visualiser des données de configuration temporelle à grande échelle avec un effort humain minime. Biographie : Darko Matovski travaille chez causaLens, Royaume-Uni