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.
Struttura del corso
Introduzione
Comprendere i fondamenti dell'intelligenza artificiale e Machine Learning
Comprensione Deep Learning
- Panoramica dei concetti di base di Deep Learning
- Distinzione tra Machine Learning e Deep Learning
- Panoramica delle applicazioni per Deep Learning
Panoramica di Neural Networks
- Cosa sono Neural Networks
- Neural Networks Vs Modelli di regressione
- Comprendere Mathematical Fondamenti e 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
- Comprensione dei percettroni a strato singolo
- Differenze tra apprendimento supervisionato e non supervisionato
- Apprendimento Feedforward e Feedback Neural Networks
- Informazioni sulla propagazione diretta e sulla propagazione inversa
- Comprendere la memoria a breve termine (LSTM)
- Esplorare il ricorrente Neural Networks nella pratica
- Esplorare la convoluzione Neural Networks in pratica
- Migliorare il modo Neural Networks Imparare
Panoramica delle Deep Learning tecniche utilizzate nel settore bancario
- Neural Networks
- Elaborazione del linguaggio naturale
- Riconoscimento delle immagini
- Speech Recognition
- Analisi sentimentale
Esplorare Deep Learning i casi di studio per il settore bancario
- Programmi antiriciclaggio
- Controlli Know-Your-Customer (KYC)
- Monitoraggio dell'elenco delle sanzioni
- Supervisione delle frodi nella fatturazione
- Rischio Management
- Rilevamento delle frodi
- Segmentazione dei prodotti e dei clienti
- Valutazione delle prestazioni
- Funzioni generali di conformità
Comprendere i vantaggi di Deep Learning per il settore bancario
Esplorare le diverse librerie Deep Learning per Python
- TensorFlow
- Keras
Impostazione di Python con TensorFlow per Deep Learning
- Installazione dell'API TensorFlow Python
- Test dell'installazione TensorFlow
- Impostazione TensorFlow per lo sviluppo
- Addestramento del primo modello di rete neurale TensorFlow
Impostazione di Python con Keras per Deep Learning
Costruzione di modelli semplici Deep Learning con Keras
- Creazione di un modello Keras
- Comprendere i dati
- Specifica del modello Deep Learning
- Compilazione del modello
- Adattamento del modello
- Utilizzo dei dati di classificazione
- Utilizzo dei modelli di classificazione
- Utilizzo dei modelli
Lavorare con TensorFlow per Deep Learning per il settore bancario
- Preparazione dei dati
- Download dei dati
- Preparazione dei dati di training
- Preparazione dei dati di test
- Ridimensionamento degli input
- Utilizzo di segnaposto e variabili
- Specifica dell'architettura di rete
- Utilizzo della funzione di costo
- Utilizzo dell'ottimizzatore
- Utilizzo degli inizializzatori
- Adattamento della rete neurale
- Costruire il grafico
- Inferenza
- Perdita
- Formazione
- Addestramento del modello
- Il grafico
- La sessione
- Anello del treno
- Valutazione del modello
- Costruire il grafo di valutazione
- Valutazione con l'output di valutazione
- Addestramento di modelli su larga scala
- Visualizzazione e valutazione di modelli con TensorBoard
Hands-on: Costruire un modello di rischio di credito Deep Learning utilizzando Python
Estendere le capacità della tua azienda
- Sviluppo di modelli nel cloud
- Utilizzo di GPU per accelerare Deep Learning
- Applicazione di Deep Learning Neural Networks per Computer Vision, riconoscimento vocale e analisi del testo
Riassunto e conclusione
Requisiti
- Esperienza con la programmazione Python
- Familiarità generale con i concetti finanziari e bancari
- Familiarità di base con la statistica e i concetti matematici
28 ore
