uci商學院的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列包括價格和評價等資訊懶人包

他是賭神，更是股神：從賭城連贏到華爾街的天才數學家，關於風險、財富和人生的第一手告白

為了解決uci商學院的問題，作者EdwardO.Thorp 這樣論述：

他的故事證明—聰明的投資人確實可以打敗市場！ 從拉斯維加斯連贏到華爾街的數學家， 親筆揭秘：如何在賭局、股市、人生掌握優勢、奪得全勝？ 　　用算牌法贏遍賭城，二十一點規則因他改寫： 　　打造第一個穿戴式電腦，他賭贏輪盤； 　　轉向「地表最大賭場」華爾街，他發明選擇權定價公式擊敗大盤； 　　「計量金融之父」愛德華．索普用一生教你—— 　　判斷優勢、精算風險，就能建立策略，把爛牌變好牌； 　　他說：「打敗市場是可能的，而且每個人都能做到！」 　　生於大蕭條時期、家境貧困的傳奇數學家愛德華・索普，1959年發明二十一算牌法，讓看起來不可能的事：在二十一點賭桌上戰勝莊家（即電影《決勝二十

一點》的原型）發生了，轟動拉斯維加斯，業者聯手限制他進賭場，甚至一度有性命之憂，最終賭場為他改變規則。1960年還與資訊理論大師克勞帝‧夏儂聯手發明世界上第一個穿戴式電腦（IoT的原型），用以戰勝輪盤。 　　此後，索普把眼光轉往「地表最大賭場」：華爾街。1964年自修股市交易，1967年導出了權證價格公式，在內含「或有權利」類型（如選擇權、認股權證、可轉債）商品中套利，開啟了今日計量金融的新頁。他成立的普林斯頓新港合夥（PNP）避險基金三十幾年平均績效是20至25%，從未虧錢。（1973年史坦普指數下跌15%，PNP賺7%，1974年史坦普指數下跌15%，PNP賺了9%）。索普因此享有量化投

資之父的美名。生活多采多姿的他，曾和華倫・巴菲特玩過橋牌，與年輕的魯道夫・朱利安尼交過手，也最早揭穿伯尼・馬多夫的騙局。 　　本書是索普首度告白他的一生：他如何面對並處理問題，他挑戰新知的熱情與動力，以及無視於「不可能」的好奇心；看起來無解的問題，反而刺激他提出改變遊戲規則的解決辦法。他強調「實驗—試誤—修正」。他的成功，靠的是公式和電腦運算的反覆試驗，而不是靠機運押注。在這個看似非理性的世界、看似高度不確定性的市場，《他是賭神，更是股神》挑戰讀者的邏輯思考，看索普如何運用正確的心態，衡量報酬與風險，做出最適當的籌碼配置。正如索普所說：「希望我的經歷能帶給各位讀者一個不同的見解，幫助大家從另

一種角度來思考賭場、投資、風險、現金管理、財富創造以及人生。」這一場令人眼界大開的真實旅程，充滿實用的智慧，將帶你駕馭看似高度不確定性的金融浪潮。 本書特色 　　1. 賭縱橫場與華爾街的傳奇人生，開啟計量金融革命的天才數學家 　　索普從拉斯維加斯連贏到華爾街，開啟今日計量金融的新頁。一生經歷宛如現代交易演進史，充滿經驗、策略與智慧。無論是散戶投資人、專業操盤手、金融業者、統計與資料科學相關從業者……他戰無不勝的人生，是不可錯過的無價交易課。 　　2.機率+模型+永不停止實驗＝投資卓越／幸福人生之鑰 　　索普並非賭鬼、在華爾街也非瞄準賺錢。他抱著單純和專注的心，將看來隨機、不確定性的賭場與

市場，靠反覆試驗，隨時動態調整，發展出理論模型，也因此大獲全勝。他印證了：「聰明的投資人確實可以打敗大盤！」 　　3.《黑天鵝效應》作者塔雷伯強推：「拜讀索普的傳記，像是看一部驚悚片！」 　　索普在賭場一度有性命之憂（遭下毒、車子被動手腳出車禍）；啟發債券天王比爾‧葛洛斯效法算牌實驗；和夏儂共同發明可攜式電腦計算輪盤，差點被揭穿；預言巴菲特成為首富；公司遭到紐約前市長朱利安尼的搜索與起訴；最早揭穿了馬多夫的騙局……他的一生，比電影還精彩刺激！ 專業推薦 　　【投資天王、金融業界、計量專家盛讚】 　　查理．蒙格（《窮查理的普通常識》作者）、 　　納西姆・塔雷伯（《黑天鵝效應》作者）重磅推薦

　　尼克勞斯・科隆（職業優勢賭客及艾雷雅顧問集團執行董事） 　　班・梅立克（《贏遍賭城》、《Facebook：性愛與金錢，天才與背叛交織的秘密》作者） 　　保羅・微蒙（《微蒙》雜誌創辦人） 　　姜林杰祐（高雄科技大學金融資訊系所教授） 　　韓傳祥（清華大學計量財務金融學系副教授／台灣金融工程師暨操盤手協會理事長／自強工業科學基金會顧問） 　　財報狗（台灣最大基本面資訊平台） 　　吳牧恩（台北科技大學資訊與財金管理系助理教授／幣圖誌財經部落客 牧清華） 　　「索普是運用演算法於投資的聰明數學家。」——查理．蒙格（巴菲特合夥人、《窮查理的普通常識》作者） 　　「索普是第一位成功運用計量方法

估計風險的當代數學家，應該也是第一位在金融市場裡獲得成功的數學家。」——納西姆・尼可勞斯・塔雷伯（《黑天鵝效應》作者） 　　「一本令人驚艷、翔實記載的好書……愛德華・索普在拉斯維加斯和華爾街施以數學魔法，掀起了產業革命。他用終身的學習和經驗轉化成字裡行間，就像是一副滿手A的好牌。」——班・梅立克（《贏遍賭城》、《Facebook：性愛與金錢，天才與背叛交織的秘密》作者）

Microsoft Azure機器學習和預測分析

為了解決uci商學院的問題，作者（美）ROGER BARGA，VALENTINE FONTAMA，（新加坡）WEE HYONG TOK 這樣論述：

近年來，機器學習領域受到越來越多的關注，相關的機器學習算法開始成為熱點。本書專門介紹了有關機器學習的內容，全書共分3部分：第1部分是數據 科學和Microsoft Azure Machine Learning導論，介紹了數據科學和Microsoft Azure Machine Learning的基本知識以及需要用到的語言的基本知識；第二部分是統計學和機器學習算法，系統地講解了統計學和機器學習的相關算法；第三部分是實用應用程序，這一部分介紹了新的微軟Azure機器學習服務，講解如何高效構建和部署預測模型，還講解了如何解決傾向建模、產品推薦等實用技能。本書可供數據科學、商業分析和商業智能領域的開發

人員，對機器學習感興趣的開發者閱讀。Roger Barga是亞馬遜Web服務的總經理和開發總監。在加入亞馬遜之前，Roger是微軟的雲與企業部門的雲機器學習組的產品組程序經理，他的團隊負責 Azure機器學習服務的產品管理。Roger於1997年加入微軟，在微軟研究院的數據庫產品組里擔任研究員，他領導數據庫、工作流和流處理系統的系統 研究和產品開發。他提出了從基礎研究，通過原型驗證概念，到產品組孵化的設想。在加入微軟之前，Roger是Pacific Northwest National Laboratory的機器學習組的研究科學家，他構建和部署基於機器學習的解決方案。Roger還是華盛頓大學的

助理教授，他是數據科學和機器學習課程 的講師。Roger擁有計算機科學的博士學位（PhD），專攻機器學習。從1991年到2013年，他發表了超過90份同行評審的技術論文和專書論文，和214個合著者共事，有1084個作者超過700個引述。Valentine Fontama是微軟Cloud & Enterprise Analytics and Insights產品組的數據科學家經理。Val在數據科學和業務上有着超過18年的經驗。在獲得人工神經網絡的博士學位之后，他把數據挖掘應用到環境科學和信用行業。在加入微軟之前，Val是倫敦Equifax的新技術咨詢師，他最先提倡把數據挖掘應用到消費信用行業的風

險評估和市場營銷。他目前是華盛頓大學的數據科學助理教授。他之前在微軟的職位是Data and Decision Sciences Group（DDSG）的主要數據科學家，為微軟客戶（包括ThyssenKrupp和Dell）提供外部咨詢。在那之前，他是一個資-深產品營銷經理，負責雲的大數據和預測分析以及企業營銷。在這個角色里，他負責微軟Azure機器學習的產品管理；HDInsight，微軟的首-個Hadoop服務；Parallel Data Warehouse，微軟的首-個數據倉庫工具；Fast Track Data Warehouse的3個版本發布。Val 擁有沃頓商學院的戰略管理和市場營銷的

MBA學位，擁有神經網絡的博士學位，擁有計算方面的碩士學位，擁有數學和電子的學士學位（獲得一等榮譽）。他合着了《Introducing Microsoft Azure HDInsight》一書，發表過11份學術論文，有超過227個作者152個引述。 第1部分數據科學和Microsoft Azure Machine Learning導論第1章數據科學導論31.1數據科學是什麼31.2分析頻譜41.2.1描述性分析41.2.2診斷性分析51.2.3預測性分析51.2.4規定性分析51.3為何重要，為何現在61.3.1把數據看作競爭資產61.3.2客戶需求的增長61.3.3對數據

挖掘技術認識的提高71.3.4訪問更多數據71.3.5更快、更廉價的處理能力71.3.6數據科學流程81.4常見數據科學技術101.4.1分類算法101.4.2聚類算法111.4.3回歸算法121.4.4模擬121.4.5內容分析121.4.6推薦引擎131.5數據科學的前沿131.6小結14第2章Microsoft Azure Machine Learning導論152.1你好，Machine Learning Studio152.2實驗的組件162.3Gallery簡介172.4創建訓練實驗的5個簡單步驟182.4.1第1步：獲取數據192.4.2第2步：預處理數據202.4.3第3步：定

義特征222.4.4第4步：選擇和應用學習算法232.4.5第5步：在新數據之上做預測242.5在生產環境里部署你的模型262.5.1創建預測實驗262.5.2把你的實驗發布成Web服務282.5.3訪問Azure Machine Learning的Web服務282.6小結30第3章數據准備313.1數據清理和處理313.1.1了解你的數據323.1.2缺失值和空值373.1.3處理重復記錄383.1.4識別並移除離群值393.1.5特征歸一化403.1.6處理類別不均413.2特征選擇433.3特征工程463.3.1分裝數據483.3.2維度災難503.4小結53第4章整合R544.1R概覽

544.2構建和部署你的首個R腳本564.3使用R進行數據預處理594.4使用腳本包（ZIP）614.5使用R構建和部署決策樹644.6小結68第5章整合Python695.1概覽695.2Python快速上手705.3在AzureML實驗里使用Python715.4使用Python進行數據預處理765.4.1使用Python合並數據765.4.2使用Python處理缺失值795.4.3使用Python進行特征選擇805.4.4在AzureML實驗里運行Python代碼825.5小結86第2部分統計學和機器學習算法第6章統計學和機器學習算法概覽896.1回歸算法896.1.1線性回歸896.1

.2神經網絡906.1.3決策樹926.1.4提升決策樹936.2分類算法946.2.1支持向量機956.2.2貝葉斯點機966.3聚類算法976.4小結99第3部分實用應用程序第7章構建客戶傾向模型1037.1業務問題1037.2數據獲取和准備1047.3訓練模型1097.4模型測試和驗證1117.5模型的性能1127.6確定評估指標的優先級1157.7小結116第8章使用PowerBI可視化你的模型1178.1概覽1178.2PowerBI簡介1178.3使用PowerBI可視化的三種方案1198.4在Azure Machine Learning里給你的數據評分，並在Excel里可視化12

08.5在Excel里評分並可視化你的數據1238.6在Azure Machine Learning里給你的數據評分，並在powerbi.com里可視化1248.6.1加載數據1258.6.2構建你的儀表板1258.7小結127第9章構建流失模型1289.1流失模型概覽1289.2構建和部署客戶流失模型1299.2.1准備和了解數據1299.2.2數據預處理和特征選擇1329.2.3用於預測流失的分類模型1359.2.4評估客戶流失模型的性能1379.3小結138第10章客戶細分模型13910.1客戶細分模型概覽13910.2構建和部署你的第一個K均值聚類模型14010.2.1特征散列1421

0.2.2找出合適的特征14210.2.3K均值聚類算法的屬性14410.3批發客戶的客戶細分14510.3.1從UCI機器學習庫加載數據14510.3.2使用K均值聚類算法進行批發客戶細分14610.3.3新數據的聚類分配14710.4小結148第11章構建預見性維護模型14911.1概覽14911.2預見性維護場景15011.3業務問題15011.4數據獲取和准備15111.4.1數據集15111.4.2數據加載15111.4.3數據分析15111.5訓練模型15411.6模型測試和驗證15511.7模型性能15611.8改善模型的技術15811.9模型部署16111.9.1創建預測實驗1

6111.9.2把你的實驗部署成Web服務16211.10小結163第12章推薦系統16412.1概覽16412.2推薦系統的方案和場景16412.3業務問題16512.4數據獲取和准備16612.5訓練模型17012.6模型測試和驗證17112.7小結175第13章使用和發布Azure Marketplace上的模型17613.1什麼是機器學習API17613.2如何使用Azure Marketplace的API17813.3在Azure Marketplace里發布你自己的模型18213.4為你的機器學習模型創建和發布Web服務18213.4.1創建評分實驗18313.4.2把你的實驗發布

成Web服務18313.5獲取API密鑰和OData端點信息18413.6把你的模型發布為Azure Marketplace里的API18413.7小結186第14章Cortana分析18714.1Cortana分析套件是什麼18714.2Cortana分析套件的功能18714.3示例場景18914.4小結190