Couvre l'exploitation efficace des données grâce à des méthodes de clustering et à l'optimisation des rendements du marché à l'aide du clustering d'actifs.
Explore les techniques de regroupement de comportement et de réduction de dimensionnalité non supervisées, couvrant des algorithmes comme K-Means, DBSCAN et Gaussian Mixture Model.
Couvre la théorie et la pratique des algorithmes de regroupement, y compris PCA, K-means, Fisher LDA, groupement spectral et réduction de dimensionnalité.
Couvre l'apprentissage non supervisé axé sur les méthodes de regroupement et les défis rencontrés dans les algorithmes de regroupement comme K-means et DBSCAN.
Explore le choix dynamique du portefeuille avec des opportunités variables dans le temps et des coûts de transaction, en fournissant des stratégies optimales et des informations empiriques.
