Schița de curs

Introducere

Înțelegerea elementelor fundamentale ale inteligenței artificiale și Machine Learning

Înțelegerea Deep Learning

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

Prezentare generală a Neural Networks

    Ce sunt Neural Networks Neural Networks vs modelele de regresie Înțelegerea bazelor matematice și a mecanismelor de învățare Construirea unei rețele neuronale artificiale Înțelegerea nodurilor neuronale și a conexiunilor Lucrul cu neuroni, straturi și date de intrare și ieșire Înțelegerea perceptronilor cu un singur strat Diferențele dintre învățarea supravegheată și nesupravegheată Învățare Feedforward și Feedback Neural Networks Înțelegerea propagării înainte și a propagării invers Înțelegerea memoriei pe termen lung pe termen scurt (LSTM) Explorarea recurentei Neural Networks în practică Explorarea convoluțională Neural Networks în practică Îmbunătățirea modului Neural Networks Învățare

Prezentare generală a tehnicilor de învățare profundă utilizate în Finance

    Rețele neuronale Procesarea limbajului natural Recunoașterea imaginilor Speech Recognition Analiza sentimentală

Explorarea studiilor de caz de Deep Learning pentru Finance

    Construcția portofoliului de prețuri Risk Management Predicția randamentului tranzacționării de înaltă frecvență

Înțelegerea beneficiilor învățării profunde pentru Finance

Explorând diferitele pachete Deep Learning pentru R

Deep Learning în R cu Keras și RStudio

    Prezentare generală a pachetului Keras pentru R Instalarea pachetului Keras pentru R Încărcarea datelor utilizând seturi de date încorporate utilizând date din fișiere utilizând date false
Explorarea datelor
  • Preprocesarea datelor Curățarea datelor
  • Normalizarea datelor
  • Împărțirea datelor în seturi de antrenament și de testare
  • Implementarea One Hot Encoding (OHE)
  • Definirea arhitecturii modelului dvs
  • Compilarea și adaptarea modelului dvs. la date
  • Antrenează-ți modelul
  • Vizualizarea istoriei modelului de antrenament
  • Utilizarea modelului dvs. pentru a prezice etichetele de date noi
  • Evaluarea modelului dvs
  • Reglați-vă modelul
  • Salvarea și exportul modelului dvs
  • Practic: construirea unui model Deep Learning pentru predicția prețului acțiunilor folosind R
  • Extinderea capacităţilor companiei dumneavoastră
  • Dezvoltarea de modele în cloud Folosind GPU-uri pentru a accelera învățarea profundă Aplicarea învățării profunde Neural Networks pentru viziunea computerizată, recunoașterea vocii și analiza textului

    Rezumat și Concluzie

    Cerințe

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

    Numărul de participanți



    Pret per participant

    Cursuri înrudite

    Categorii înrudite