Sztuczne sieci neuronowe a praca

Witam wszystkich :)
Chciałbym się poradzić osób bardziej rozeznanych w temacie. Jestem studentem informatyki i uczę się programowania jako takiego (szedłem na studia bez tej umiejętności). Bardzo interesuje mnie zagadnienie sztucznych sieci neuronowych, a także zupełnie niezależnie od tego - ekonomia, a zwłaszcza giełda.
Zastanawiam się, czy po takim kierunku jak informatyka można się zajmować tworzeniem np. sztucznych sieci neuronowych i wykorzystaniem ich w prognozowaniu giełdowym, pisaniem programów prognozujących itd.? Czy jednak by się czymś takim zajmować, trzeba skończyć ekonomię?
Pozdrawiam,

Tak, po informatyce możesz pisać programy prognozujące. Nie trzeba skończyć ekonomii, ale się przydać może ;) Polecam zainteresować się Ekonomerią.

@PawełT teoretycznie można, ale są dużo lepsze i wygodniejsze metody uczenia maszynowego niż sieci neuronowe ;) Bo sieć neuronowa albo działa albo nie działa. I w zasadzie tyle można o niej powiedzieć. A takie rzeczy jak choćby reguły, drzewa decyzyjne, logika rozmyta czy uczenie ze wzmocnieniem wcale nie dają gorszych efektów a jednocześnie mają reprezentację "czytelną" dla człowieka.

Dzięki za odpowiedzi. Jak myślicie, czy dobrym pomysłem po obronie pracy inżynierskiej z informatyki byłoby podjęcie studiów magisterskich z Informatyki i Ekonometrii? Zastanawiałem się nad tym kierunkiem, ale wydawał mi się jakiś gorszy od "czystej" informatyki, ale nie mam pojęcia, czy mam rację.

Sieci do rozpoznawania są ok, ale do prognozowania już tak sobie. Wielkość sieci, przeuczenie itd. to są duże problemy i ogromny wkład pracy. Robiłem magisterke z giełdy i sieci neuronowych, siedziałem miesiącami i nic z tego nie wyszło. Na necie jest praca dr. na ten temat i rezultat jest kiepski i bezsensu.

@PawełT - sieci neuronowe nie do przewidywania :) mozesz ich używac raczej do rozpoznawania wzorców nauczonych. Do giełdy bym raczej szedł w to logikę rozmytą. Ekonometria by Ci pokazała najlepiej gdzie trzeba i dała by info że sieci neuronowe do ekonomii nie halo.

Shalom napisał(a):

@PawełT teoretycznie można, ale są dużo lepsze i wygodniejsze metody uczenia maszynowego niż sieci neuronowe ;) Bo sieć neuronowa albo działa albo nie działa. I w zasadzie tyle można o niej powiedzieć. A takie rzeczy jak choćby reguły, drzewa decyzyjne, logika rozmyta czy uczenie ze wzmocnieniem wcale nie dają gorszych efektów a jednocześnie mają reprezentację "czytelną" dla człowieka.

To są zupełnie inne narzędzia/algorytmy wykorzystywane przeważnie do różnych problemów. I tak jak SSN również mogą działać a mogą nie działać. Nie wydaje mi się, żeby SSN były mniej czytelne. Ale najlepiej znać wiele takich narzędzi i próbować różnych sposobów na rozwiązanie danego problemu.

makiaci napisał(a):

Sieci do rozpoznawania są ok, ale do prognozowania już tak sobie. Wielkość sieci, przeuczenie itd. to są duże problemy i ogromny wkład pracy. Robiłem magisterke z giełdy i sieci neuronowych, siedziałem miesiącami i nic z tego nie wyszło. Na necie jest praca dr. na ten temat i rezultat jest kiepski i bezsensu.

To zależy co się prognozuje, jakie ma się dane uczące, jak to się robi itd. Rynki finansowe charakteryzują się dużą losowością i zarabianie na nich jest stosunkowo trudne. Może SSN nie są najlepsze, ale znasz coś lepszego?
Poza tym, nie widziałem jeszcze żadnej pracy naukowej dot. omawianego tematu (w języku polskim i angielskim) - a bardzo się tym interesuję i sporo szukałem - gdzie autor zaproponowałby coś ciekawego (jakieś nietypowe podejście do problemu).
Wydaje mi się, że tutaj lepiej iść w kierunku systemów eksperckich wykorzystujących m.in. SSN a nie polegać tylko na SSN - co przeważnie się robi.

Johnny_Bit napisał(a):

@PawełT - sieci neuronowe nie do przewidywania :) mozesz ich używac raczej do rozpoznawania wzorców nauczonych. Do giełdy bym raczej szedł w to logikę rozmytą. Ekonometria by Ci pokazała najlepiej gdzie trzeba i dała by info że sieci neuronowe do ekonomii nie halo.

Zastanawiam się jaki jest Twój stan wiedzy, że tak piszesz.

1. Ekonometria to przede wszystkim proste (a przez to mające mały potencjał) modele liniowe (np. AR, AR(I)MA) ew. proste nieliniowe ((G)ARCH, funkcja logistyczna etc.) i jak sama nazwa wskazuje ekonometria wykorzystywana jest w ekonomii a nie na giełdzie, która z ekonomią ma niewiele wspólnego (co najwyżej jak stosujesz analizę fundamentalną - chociaż ja uważam, że giełda jest irracjonalna i nie ma sensu bazować na ekonomii).
2. Logika rozmyta / systemy rozmyte to ciekawa rzecz, ale powiedz mi jak chcesz je wykorzystać na giełdzie? I dlaczego uważasz, że jest lepsza od SSN?
3. Co do systemów rozmytych (bo domyślam się, że o nie Ci chodziło, gdy pisałeś o logice rozmytej) to zdajesz sobie sprawę, że liczba reguł rośnie wykładniczo w stosunku do liczby zmiennych? Przykładowo jeśli masz 1 zmienną i rozmyjesz ją na 5 stanów to masz 5 kombinacji. Jeśli masz 2 takie zmienne w modelu to masz 25 możliwych kombinacji reguł. Przy 10 zmiennych masz prawie 10 mln kombinacji. A na giełdzie możesz mieć tysiące zmiennych. Czy wiesz co to oznacza w praktyce?
4. Co to znaczy "rozpoznawanie wzorców nauczonych"?!

Też nie znalazłem nic ciekawego na temat przewidywania. Jedyne co to, że chińczycy zmodyfikowali nieco algorytmy i sieć ma mniejsze " wsteczne odbicie". Pisałem też z gościem ze Stanforda, ale nic się konkretnego nie dowiedziałem, tylko to że problem stoi w miejscu.

@WojtekMS - I have aproximate knowledge of many things ;)

1. True, ekonometria do analizy + analizy odpowiedzi gieldy.
2. Analizowanie potencjalu firmy logika rozbita - pasowalo mi do kredytow, to moze do gieldy tez sie sprawdzi ;)
3. yep.
4. Uczenie sieci odbywa sie na podstawie wzorcow. aktywacja neuronow jest na podstawie bodźców. znaczy - rozpoznawanie wzorców nauczonych ;) pewnie się źle wyraziłem ;)