Struttura del corso

Introduzione

Comprendere i fondamenti dell'intelligenza artificiale e Machine Learning

Comprensione Deep Learning

    Panoramica dei concetti di base del deep learning Differenziazione tra Machine Learning e deep learning Panoramica delle applicazioni per il deep learning

Panoramica di Neural Networks

    Cosa sono Neural Networks Neural Networks vs Modelli di regressione Comprendere i fondamenti matematici e i meccanismi di apprendimento Costruire una Rete Neurale Artificiale Comprendere i nodi neurali e le connessioni Utilizzo di neuroni, livelli e dati di input e output Comprendere i percettroni a strato singolo Differenze tra apprendimento supervisionato e non supervisionato Feedforward e feedback sull'apprendimento Neural Networks Informazioni sulla propagazione in avanti e sulla propagazione all'indietro Comprendere la memoria a breve termine lunga (LSTM) Esplorare il ricorrente Neural Networks in pratica Esplorare Convolutional Neural Networks in pratica Migliorare il modo Neural Networks di imparare

Panoramica delle tecniche di deep learning utilizzate in Finance

    Reti neurali Elaborazione del linguaggio naturale Riconoscimento delle immagini Speech Recognition Analisi sentimentale

Esplorare i casi di studio di deep learning per Finance

    Prezzi Costruzione del portafoglio Risk Management Trading ad alta frequenza Previsione di ritorno

Comprendere i vantaggi del deep learning per Finance

Esplorare i diversi pacchetti Deep Learning per R

Deep Learning in R con Keras e RStudio

    Panoramica del pacchetto Keras per R Installazione del pacchetto Keras per R Caricamento dei dati Utilizzo di set di dati predefiniti Utilizzo dei dati dai file Utilizzo di dati fittizi
Esplorazione dei dati
  • Pre-elaborazione dei dati Pulizia dei dati
  • Normalizzazione dei dati
  • Suddivisione dei dati in set di training e set di test
  • Implementazione di una codifica a caldo (OHE)
  • Definizione dell'architettura del modello
  • Compilazione e adattamento del modello ai dati
  • Eseguire il training del modello
  • Visualizzazione della cronologia di training del modello
  • Utilizzo del modello per stimare le etichette di nuovi dati
  • Valutazione del modello
  • Messa a punto del modello
  • Salvataggio ed esportazione del modello
  • Hands-on: Costruire un Deep Learning modello per la previsione del prezzo delle azioni utilizzando R
  • Estendere le capacità della tua azienda
  • Sviluppo di modelli nel cloud Utilizzo delle GPU per accelerare il deep learning Applicazione del deep learning Neural Networks per la visione artificiale, il riconoscimento vocale e l'analisi del testo

    Riassunto e conclusione

    Requisiti

    • Esperienza con la programmazione R
    • Familiarità generale con i concetti finanziari
    • Familiarità di base con la statistica e i concetti matematici
      28 ore
     

    Numero di Partecipanti


    Data Inizio

    Data Fine


    Dates are subject to availability and take place between 09:30 and 16:30.
    I corsi di formazione pubblici richiedono più di 5 partecipanti.

    Corsi relativi

    Categorie relative