Пост в помощь тем кто интересуется практической пользой от применения нейросетей на фондовом рынке.

В трёх частях этой статьи мы:

• Напишем нейросеть с нуля на Python и обучим её алгоритмом градиентного спуска.
• Применим её к датасету The Wisconsin Cancer Data-set и предскажем по 9 различным признакам, является ли опухоль доброкачественной или злокачественной.
• Подробнее исследуем, как работает градиентный спуск и метод обратного распространения ошибки.
• Рассмотрим основы и изучим более сложные идеи. В части 1 мы разберёмся с архитектурой нашей нейросети, в части 2 напишем её на Python и глубже посмотрим на обратное распространение и градиентный спуск, а в части 3 применим её к The Wisconsin Cancer Data-set.