Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Schița de curs
Introducere
Înțelegerea principiilor de bază ale inteligenței artificiale și Machine Learning
Înțelegerea Deep Learning
- Prezentare generală a conceptelor de bază ale Deep Learning
- Diferențierea între Machine Learning și Deep Learning
- Prezentare generală a aplicațiilor pentru Deep Learning
Prezentare generală a Neural Networks
- Ce sunt Neural Networks
- Neural Networks vs modele de regresie
- Înțelegerea fundamentelor Mathematical 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
- Înțelegerea memoriei pe termen lung și scurt (LSTM)
- Explorarea recurentă Neural Networks în practică
- Explorarea convoluțională Neural Networks în practică
- Îmbunătățirea modului în care Neural Networks învață
Prezentare generală a tehnicilor Deep Learning utilizate în sectorul bancar
- Neural Networks
- Prelucrarea limbajului natural
- Recunoașterea imaginilor
- Speech Recognition
- Analiza sentimentală
Explorarea Deep Learning Studii de caz pentru sectorul bancar
- Programe de combatere a spălării banilor
- Verificări de cunoaștere a clientelei (KYC - Know-Your-Customer)
- Monitorizarea listei de sancțiuni
- Supravegherea fraudelor de facturare
- Risc Management
- Detectarea fraudelor
- Segmentarea produselor și a clienților
- Evaluarea performanței
- Funcții generale de conformitate
Înțelegerea beneficiilor Deep Learning pentru sectorul bancar
Explorarea diferitelor biblioteci Deep Learning pentru Python
- TensorFlow
- Keras
Configurarea Python cu TensorFlow pentru Deep Learning
- Instalarea TensorFlow Python API
- Testarea instalării TensorFlow
- Configurarea TensorFlow pentru dezvoltare
- Pregătirea primului model de rețea neurală TensorFlow
Configurarea Python cu Keras pentru Deep Learning
Crearea de modele Deep Learning simple cu Keras
- Crearea unui model Keras
- Înțelegerea datelor dvs.
- Specificarea modelului Deep Learning
- Compilarea modelului dvs.
- Ajustarea modelului dvs.
- Lucrul cu datele de clasificare
- Lucrul cu modelele de clasificare
- Utilizarea modelelor dvs.
Lucrul cu TensorFlow pentru Deep Learning pentru sectorul bancar
- Pregătirea datelor
- Descărcarea datelor
- Pregătirea datelor de antrenament
- Pregătirea datelor de testare
- Scalarea intrărilor
- Utilizarea marcajelor de poziție și a variabilelor
- Specificarea arhitecturii rețelei
- Utilizarea funcției de cost
- Utilizarea optimizatorului
- Utilizarea inițializatorilor
- Ajustarea rețelei neuronale
- Construirea grafului
- Inferența
- Pierderi
- Pregătirea
- Formarea modelului
- Graficul
- Sesiunea
- Bucla de formare
- Evaluarea modelului
- Construirea graficului de evaluare
- Evaluarea cu rezultatul Eval
- Formarea modelelor la scară largă
- Vizualizarea și evaluarea modelelor cu TensorBoard
Aplicații practice: Construirea unui model de risc de credit Deep Learning utilizând Python
Extinderea capacităților companiei dvs.
- Dezvoltarea de modele în cloud
- Utilizarea GPUs pentru accelerarea Deep Learning
- Aplicarea Deep Learning Neural Networks pentru Computer Vision, recunoașterea vocală 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
