导读 纽约大学、牛津大学和QMUL的教师合作，在投资数据会议上展示了替代数据算法。名额有限的研习班以现场教学的形式为金融科技分析师提供实践培
纽约大学、牛津大学和QMUL的教师合作，在投资数据会议上展示了替代数据算法。
名额有限的研习班以现场教学的形式为金融科技分析师提供实践培训。与会者用经过验证的代码组装定制工作流，以创建机构投资产品。
对实时格式、高级数据分析和交互式辅导环境的独特关注是投资数据会议的核心。
研讨会的参与者探索了用于投资决策的数据集，如消费者交易、卫星图像和社交媒体。他们将学习如何解决金融科技领域的日常挑战，包括:
图像检测
自然语言处理
股票行情自动收录器映射
收入模型
事务数据de-biasing
该组织由Saeed Amen (Cuemacro, Turnleaf Analytics, QMUL)， Alexander Denev (Turnleaf Analytics，牛津大学)，Gene Ekster(纽约大学，替代数据组)领导，Petter Kolm(纽约大学)担任顾问。
"这是第一次有课程揭露机构投资者如何利用非传统数据集提高业绩的复杂细节，"纽约大学库兰特学院金融数学硕士项目另类数据教授Gene Ekster表示。
标签：
版权声明：本文由用户上传，如有侵权请联系删除！