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 inverse 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 Deep Learning tehnici 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 Know-Your-Customer (KYC) Monitorizarea listei de sancțiuni Supravegherea fraudei la facturare Risk Management Detectarea fraudei Segmentarea produselor și a clienților Evaluarea performanței Funcții generale de conformitate

Înțelegerea beneficiilor Deep Learning pentru servicii bancare

Explorarea diferitelor biblioteci de învățare profundă pentru Python

    TensorFlow Greu

Configurarea Python cu TensorFlow pentru Deep Learning

    Instalarea TensorFlow Python API Testarea TensorFlow Instalarea Configurarea TensorFlow pentru dezvoltare Antrenarea primului model TensorFlow Neural Net

Configurarea Python cu Keras pentru Deep Learning

Construirea de modele simple de învățare profundă cu Keras

    Crearea unui model Keras Înțelegerea datelor dvs. Specificarea modelului dvs. de învățare profundă Compilarea modelului dvs. Potrivirea modelului dvs. Lucrul cu datele dvs. de clasificare Lucrul cu modelele de clasificare Utilizarea modelelor dvs.

Lucrul cu TensorFlow pentru Deep Learning for Banking

    Pregătirea datelor Descărcarea datelor Pregătirea datelor de antrenament Pregătirea datelor de test Scalare intrări Folosind substituenți și variabile
Specificarea arhitecturii de rețea
  • Utilizarea funcției de cost
  • Folosind Optimizer
  • Utilizarea inițializatoarelor
  • Adaptarea rețelei neuronale
  • Construirea inferenței grafice
  • Pierderi
  • Instruire
  • Antrenarea modelului Graficul
  • Sesiunea
  • Bucla de tren
  • Evaluarea modelului Construirea graficului de evaluare
  • Evaluarea cu Eval Output
  • Modele de antrenament la scară
  • Vizualizarea și evaluarea modelelor cu TensorBoard
  • Practic: construirea unui model de risc de credit de Deep Learning folosind Python
  • 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 Python
    • Familiaritate generală cu conceptele financiare și bancare
    • Familiaritate de bază cu statisticile și conceptele matematice
     28 ore

    Numărul de participanți



    Pret per participant

    Categorii înrudite