❚❚
FTSE [Large Cap] 0 0 0 FTSEA [Δείκτης Αγοράς] 0 0 0 FTSEM [Mid Cap] 0 0 0 HELMSI [Mid & Small Cap] 0 0 0 ΔΤΡ [Τράπεζες] 0 0 0 ΙΛΥΔΑ [ILYDA.ATH] 0 0 0 ΔΕΗ [PPC.ATH] 0 0 0 ΜΠΛΕΚΕΔΡΟΣ [BLEKEDROS.ATH] 0 0 0 ΕΛΠΕ [ELPE.ATH] 0 0 0 ΠΕΤΡΟ [PETRO.ATH] 0 0 0 ΟΛΠ [PPA.ATH] 0 0 0 TITC [TITC.ATH] 0 0 0 ΓΕΚΤΕΡΝΑ [GEKTERNA.ATH] 0 0 0 ΕΥΑΠΣ [EYAPS.ATH] 0 0 0 ΛΟΥΛΗ [KYLO.ATH] 0 0 0 ΛΕΒΠ [LEBEP.ATH] 0 0 0 ΠΡΕΜΙΑ [PREMIA.ATH] 0 0 0 NOVAL [NOVAL.ATH] 0 0 0 ΙΝΤΚΑ [INTRK.ATH] 0 0 0 ΧΑΙΔΕ [HAIDE.ATH] 0 0 0 ΔΡΟΜΕ [DROME.ATH] 0 0 0 ACAG [ACAG.ATH] 0 0 0 ΑΣΚΟ [ASCO.ATH] 0 0 0 ΚΥΡΙΟ [KYRI.ATH] 0 0 0 ΣΑΤΟΚ [SATOK.ATH] 0 0 0 ΛΕΒΚ [LEBEK.ATH] 0 0 0 ΝΑΚΑΣ [NAKAS.ATH] 0 0 0 BOCHGR [BOCHGR.ATH] 0 0 0 ΚΕΚΡ [KEKR.ATH] 0 0 0 ΠΛΑΘ [PLAT.ATH] 0 0 0 ΡΕΒΟΙΛ [REVOIL.ATH] 0 0 0 ΕΛΛ [TELL.ATH] 0 0 0 ΥΑΛΚΟ [YALCO.ATH] 0 0 0 ΙΚΤΙΝ [IKTIN.ATH] 0 0 0 ΟΠΑΠ [OPAP.ATH] 0 0 0 ΙΝΚΑΤ [INKAT.ATH] 0 0 0 ΜΥΤΙΛ [MYTIL.ATH] 0 0 0 ΔΟΜΙΚ [DOMIK.ATH] 0 0 0 ΦΡΛΚ [FOYRK.ATH] 0 0 0 ΜΕΡΚΟ [MERKO.ATH] 0 0 0 ΣΑΡ [SAR.ATH] 0 0 0 ΟΤΟΕΛ [OTOEL.ATH] 0 0 0 ΚΡΙ [KRI.ATH] 0 0 0 ΙΝΚΑΤΔ [INKATR.ATH] 0 0 0 ΙΑΤΡ [IATR.ATH] 0 0 0 ΠΑΙΡ [PAIR.ATH] 0 0 0 ΜΟΤΟ [MOTO.ATH] 0 0 0 ΣΠΕΙΣ [SPACE.ATH] 0 0 0 ΚΟΡΔΕ [KORDE.ATH] 0 0 0 ΠΡΟΦ [PROF.ATH] 0 0 0 ΒΟΣΥΣ [VOSYS.ATH] 0 0 0 ΕΛΙΝ [ELIN.ATH] 0 0 0 OPTIMA [OPTIMA.ATH] 0 0 0 ΑΚΡΙΤ [AKRIT.ATH] 0 0 0 ΤΕΝΕΡΓ [TENERGY.ATH] 0 0 0 ΚΕΠΕΝ [KEPEN.ATH] 0 0 0 ΔΟΥΡΟ [DUR.ATH] 0 0 0 ΠΡΔ [PRD.ATH] 0 0 0 ΑΑΑΚ [AAAK.ATH] 0 0 0 ΑΤΡΑΣΤ [ATRUST.ATH] 0 0 0 ΒΙΟΚΑ [BIOKA.ATH] 0 0 0 ΠΑΠ [PAP.ATH] 0 0 0 ΙΝΤΕΤ [INTET.ATH] 0 0 0 ΠΕΙΡ [TPEIR.ATH] 0 0 0 ΜΙΝ [MIN.ATH] 0 0 0 ΕΤΕ [ETE.ATH] 0 0 0 ΒΙΟΤ [BIOT.ATH] 0 0 0 ΑΛΜΥ [ALMY.ATH] 0 0 0 ΤΡΕΣΤΑΤΕΣ [TRESTATES.ATH] 0 0 0 ΜΕΝΤΙ [MEDIC.ATH] 0 0 0 ΜΟΗ [MOH.ATH] 0 0 0 ΟΛΘ [OLTH.ATH] 0 0 0

Μηχανική μάθηση

Τεχνητή Νοημοσύνη και Μηχανική Μάθηση στα Οικονομικά και τα Χρηματοοικονομικά
Academia |

Τεχνητή Νοημοσύνη και Μηχανική Μάθηση στα Οικονομικά και τα Χρηματοοικονομικά

Η χρήση πολλών νέων αρχιτεκτονικών Machine Learning που δεν απαιτούν αδικαιολόγητα μεγάλα σύνολα δεδομένων, αποτελεί μια ενδιαφέρουσα και πολλά υποσχόμενη κατεύθυνση στην οικονομική πρόβλεψη

Τεχνητή Νοημοσύνη και Μηχανική Μάθηση στην Υπηρεσία των Οικονομικών
Academia |

Τεχνητή Νοημοσύνη και Μηχανική Μάθηση στην Υπηρεσία των Οικονομικών

Σήμερα, συστήματα μηχανικής μάθησης και τεχνητής νοημοσύνης χρησιμοποιούνται ευρέως στον χώρο των οικονομικών, όπως για την πρόγνωση μετοχών, εκτίμηση του συστημικού κινδύνου, της σταθερότητας του τραπεζικού συστήματος, της εξέλιξης του ΑΕΠ, της ανεργίας, κ.α. Το Δημοκρίτειο Πανεπιστήμιο πρωτοπορεί σε αυτόν τομέα

Μηχανική μάθηση: Τι αλλαγές φέρνει στον τραπεζικό κλάδο
Τεχνολογία |

Μηχανική μάθηση: Τι αλλαγές φέρνει στον τραπεζικό κλάδο

Η SAS, εταιρεία που δραστηριοποιείται στον κλάδο των analytics και της τεχνητής νοημοσύνης, διοργάνωσε, σε συνεργασία με την Accenture, webinar με θέμα την εξατομίκευση του τραπεζικού κλάδου και τα οφέλη που μπορεί να προσφέρει η λεπτομερής συλλογή δεδομένων του πελάτη.

ot.gr | Ταυτότητα

Διαχειριστής - Διευθυντής: Λευτέρης Θ. Χαραλαμπόπουλος

Διευθύντρια Σύνταξης: Αργυρώ Τσατσούλη

Ιδιοκτησία - Δικαιούχος domain name: ΟΝΕ DIGITAL SERVICES MONOΠΡΟΣΩΠΗ ΑΕ

Νόμιμος Εκπρόσωπος: Ιωάννης Βρέντζος

Έδρα - Γραφεία: Λεωφόρος Συγγρού αρ 340, Καλλιθέα, ΤΚ 17673

ΑΦΜ: 801010853, ΔΟΥ: ΦΑΕ ΠΕΙΡΑΙΑ

Ηλεκτρονική διεύθυνση Επικοινωνίας: ot@alteregomedia.org, Τηλ. Επικοινωνίας: 2107547007

ΜΗΤ Αριθμός Πιστοποίησης Μ.Η.Τ.232433

Απόρρητο