Schița de curs

Introducere

Înțelegerea principiilor de bază ale inteligenței artificiale și Machine Learning

Înțelegerea Deep Learning

    Prezentare generală a conceptelor de bază ale învățării profunde Diferențierea între Machine Learning și Deep Learning Prezentare generală a aplicațiilor pentru învățarea profundă

Prezentare generală a Neural Networks

    Ce sunt Neural Networks Neural Networks vs Modele de regresie Înțelegerea fundamentelor matematice și a mecanismelor de învățare Construirea unei rețele neuronale artificiale Înțelegerea nodurilor și conexiunilor neuronale Lucrul cu neuronii, straturile și datele de intrare și ieșire Înțelegerea perceptronilor cu un singur strat Diferențe între învățarea supravegheată și cea nesupravegheată Învățarea feedforward și feedback Neural Networks Înțelegerea propagării înainte și a propagării înapoi (Forward Propagation și Back Propagation) Înțelegerea memoriei pe termen scurt (LSTM) Explorarea în practică a sistemelor recurente Neural Networks Explorarea convoluției Neural Networks în practică Îmbunătățirea modului de învățare Neural Networks

Prezentare generală a Deep Learning tehnicilor utilizate în domeniul bancar

    Rețele neuronale Procesarea limbajului natural Recunoașterea imaginilor Speech Recognition Analiza sentimentală

Explorarea Deep Learning Studii de caz pentru sectorul bancar

    Programe de combatere a spălării banilor Verificări privind cunoașterea clientului (KYC) Monitorizarea listei de sancțiuni Supravegherea fraudelor de facturare Risk Management Detectarea fraudelor Segmentarea produselor și a clienților Evaluarea performanțelor Funcții generale de conformitate

Înțelegerea beneficiilor Deep Learning pentru sectorul bancar

Explorarea diferitelor pachete de învățare profundă pentru R      Învățare profundă în R cu Keras și RStudio

    Prezentare generală a pachetului Keras pentru R Instalarea pachetului Keras pentru R Încărcarea datelor Utilizarea seturilor de date încorporate Utilizarea datelor din fișiere Utilizarea datelor fictive
Explorarea datelor
  • Preprocesarea datelor Curățarea datelor
  • Normalizarea datelor
  • Împărțirea datelor în seturi de instruire și de testare
  • Punerea în aplicare a codării la cald (OHE)
  • Definirea arhitecturii modelului dvs.
  • Compilarea și ajustarea modelului la date
  • Formarea modelului dvs.
  • Vizualizarea istoricului de formare a modelului
  • Utilizarea modelului pentru a prezice etichetele noilor date
  • Evaluarea modelului dvs.
  • Ajustarea fină a modelului dvs.
  • Salvarea și exportul modelului dvs.
  • Mâinile în mână: Construirea unui model de risc de credit Deep Learning folosind R
  • Extinderea capacităților companiei dvs.
  • Dezvoltarea de modele în cloud Utilizarea GPU-urilor pentru accelerarea învățării profunde Aplicarea învățării profunde Neural Networks pentru viziune computerizată, recunoaștere vocală și analiză de text.

    Rezumat și concluzii

    Cerințe

    • Experiență de bază în programarea R
    • Familiaritate generală cu conceptele financiare și bancare
    • Familiaritate de bază cu statisticile și conceptele matematice
      28 ore
     

    Numărul de participanți


    Dată început

    Dată sfârșit


    Dates are subject to availability and take place between 09:30 and 16:30.
    Open Training Courses require 5+ participants.

    Cursuri înrudite

    Categorii înrudite