❚❚
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 DIMAND [DIMAND.ATH] 0 0 0 ΕΛΣΤΡ [ELSTR.ATH] 0 0 0 ΚΥΡΙΟ [KYRI.ATH] 0 0 0 ΟΛΠ [PPA.ATH] 0 0 0 CENER [CENER.ATH] 0 0 0 ΙΝΤΕΤ [INTET.ATH] 0 0 0 ΕΕΕ [EEE.ATH] 0 0 0 ΟΛΥΜΠ [OLYMP.ATH] 0 0 0 ΙΚΤΙΝ [IKTIN.ATH] 0 0 0 ΣΠΥΡ [SPIR.ATH] 0 0 0 ΣΑΡΑΝ [KYSA.ATH] 0 0 0 ΜΥΤΙΛ [MYTIL.ATH] 0 0 0 ΟΤΟΕΛ [OTOEL.ATH] 0 0 0 ΕΒΡΟΦ [EVROF.ATH] 0 0 0 ΡΕΒΟΙΛ [REVOIL.ATH] 0 0 0 ΜΟΝΤΑ [MODA.ATH] 0 0 0 ΠΑΙΡ [PAIR.ATH] 0 0 0 ΚΟΥΕΣ [QUEST.ATH] 0 0 0 ΑΡΑΙΓ [AEGN.ATH] 0 0 0 ΜΙΝ [MIN.ATH] 0 0 0 ΜΠΛΕΚΕΔΡΟΣ [BLEKEDROS.ATH] 0 0 0 ΤΕΝΕΡΓ [TENERGY.ATH] 0 0 0 ΑΣΤΑΚ [ASTAK.ATH] 0 0 0 ΙΝΛΙΦ [INLIF.ATH] 0 0 0 ΔΡΟΜΕ [DROME.ATH] 0 0 0 ΤΡΑΣΤΟΡ [TRASTOR.ATH] 0 0 0 ΠΕΙΡ [TPEIR.ATH] 0 0 0 ΠΡΔ [PRD.ATH] 0 0 0 ΦΡΛΚ [FOYRK.ATH] 0 0 0 AKTR [AKTR.ATH] 0 0 0 ΛΑΜΔΑ [LAMDA.ATH] 0 0 0 ΤΡΕΣΤΑΤΕΣ [TRESTATES.ATH] 0 0 0 ΚΑΡΕΛ [KARE.ATH] 0 0 0 ΙΝΤΚΑ [INTRK.ATH] 0 0 0 ΚΤΗΛΑ [KTILA.ATH] 0 0 0 ΣΑΤΟΚ [SATOK.ATH] 0 0 0 ΜΟΥΖΚ [MOYZK.ATH] 0 0 0 ΒΙΟΚΑ [BIOKA.ATH] 0 0 0 ΟΛΘ [OLTH.ATH] 0 0 0 ΚΟΥΑΛ [QUAL.ATH] 0 0 0 ΝΑΚΑΣ [NAKAS.ATH] 0 0 0 ΙΝΤΕΚ [INTEK.ATH] 0 0 0 ΝΑΥΠ [NAYP.ATH] 0 0 0 ΜΕΒΑ [MEVA.ATH] 0 0 0 ΠΕΤΡΟ [PETRO.ATH] 0 0 0 ΚΕΚΡ [KEKR.ATH] 0 0 0 ΠΡΟΦ [PROF.ATH] 0 0 0 BOCHGR [BOCHGR.ATH] 0 0 0 ΕΥΔΑΠ [EYDAP.ATH] 0 0 0 ΜΟΤΟ [MOTO.ATH] 0 0 0 ΦΡΙΓΟ [FRIGO.ATH] 0 0 0 ΜΠΡΙΚ [BRIQ.ATH] 0 0 0 ΠΡΟΝΤΕΑ [PRODEA.ATH] 0 0 0 ΔΟΜΙΚ [DOMIK.ATH] 0 0 0 ΕΠΙΛΚ [EPIL.ATH] 0 0 0 ΚΟΡΔΕ [KORDE.ATH] 0 0 0 ΜΕΝΤΙ [MEDIC.ATH] 0 0 0 ΜΕΡΚΟ [MERKO.ATH] 0 0 0 ΑΑΑΚ [AAAK.ATH] 0 0 0 ΛΟΥΛΗ [KYLO.ATH] 0 0 0 ΕΥΑΠΣ [EYAPS.ATH] 0 0 0 ΟΡΙΛΙΝΑ [ORILINA.ATH] 0 0 0 ΟΤΕ [HTO.ATH] 0 0 0 ΔΕΗ [PPC.ATH] 0 0 0 ΕΛΙΝ [ELIN.ATH] 0 0 0 ΛΟΓΟΣ [LOGISMOS.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

Μέλος

ΜΗΤΑριθμός Πιστοποίησης
Μ.Η.Τ.232433

Απόρρητο