人工智能学习 10 - 神经网络的领域
神经网络(基础框架) -> 深度学习(解决特定问题)
卷积(图像相关, 视觉)
循环(反复使用, 输入不定长, 时间序列)
注意力(为输入分配不同权重, 时间序列)
…
卷积
图像分类
ImageNet 数据集
目标检测
图片读取转换文字描述
图像风格迁移
…
什么是视觉人, 动物, 计
...
人工智能学习 9 - Pandas
Pandas 基础参考: https://www.pypandas.cn/ 或 pandas docs
numpy 主要做计算, pandas 主要做数据清理和分析.
pandas as pddt = pd.read_csv("./path/filename.csv", enc
...
人工智能学习 8 - Numpy
Numpy 基础参考: https://www.numpy.org.cn/ 或 numpy docs
numpy 是一个 C 实现的计算库, 开源且性能优异, 是众多科学库的依赖
ndarray 向量/线性方程组运算
数组点积 dot (对应元素相乘)
向量点积 vdot
数组内积 inner
数
...
流动性做市 4 - 用户行为风险
用户行为风险系统主要包括: 配置 指的是配置一些风控维度进行数据监控统计, 查询 指的是基于配置查询用户触发记录, 和 处理开关 在配置和查询之后对有风险的用户进行一定的开关操作.
风控配置与数据查询:
平台风控配置
用户风控记录查询(盈亏,出入金,异常行为)
平台风控数据查询(资产对账)
风
...
流动性做市 3 - 市场风险与政策风险
一. 市场风险市场风险 主要包括: 行情波动, 报价丢失, 项目跑路, 交易所跑路
行情波动的风险, 主要因为消息产生的确定性方向波动, 做市没能快速捕捉消息而造成亏损. 这时候的主要应对方式是在消息放出时间点之前, 降低流动性厚度.
报价丢失主要因为网络问题, 维护, 项目方跑路, 交易所跑路引起
...
流动性做市 2 - 做市系统与流动性风险
一. 做市系统风险做市系统风险 主要来源于三部分: 外部市场 API 问题, 做市市场 API 问题, 资产仓位管理
其中 API 问题主要分为公有 API 和私有 API 问题.
公有 API 主要包括: 订单簿,报价,成交单,K 线,成交量等. 外网 API 主要影响报价以及市场数据的分析, 以
...
流动性做市 1 - 风控系统概述
风控系统设计的主要目的, 是帮助交易所或者流动性服务商, 在提供流动性做市时快速找到可能存在的风险点, 并基于处理预案进行相应的风控操作.
风险主要分为以下方面
交易系统风险: 系统漏洞, 流量攻击, 访问墙, 钱包被盗
做市系统风险: 交易所/做市系统 API 问题(订单簿,报价,成交单,K 线
...
人工智能学习 7 - 神经网络
神经网络
输入层: x1, x2…
隐藏层: a1, a2… 计算的中间过程
输出层: y1, y2…
神经网络结构越复杂, 能解决的问题就越复杂
将输入层数据使用 $z = w_1x_1 + w_2x_2 + … + w_nx_n + b$ (即为 $Z = W^TX+b$) 计算后, 通过激活
...
人工智能学习 6 - Python对象和类
类的定义和使用类定义
SuperClass(): # 属性/变量, 不定义直接在 __init__ 中赋值即可完成属性的声明 # name = "" #
...
人工智能学习 5 - 人工智能数学基础
机器学习模型
Linger or Logistic Regression 线性回归与逻辑回归
Decision Tree or Random Forests
Gradient Boosting Machines(xgboost, lightgbm..)
CNN: Convolutional Neut
...