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 di Deep Learning tecniche utilizzate nel settore bancario

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

Esplorazione Deep Learning di casi di studio per il settore bancario

    Programmi antiriciclaggio Controlli Know-Your-Customer (KYC) Monitoraggio dell'elenco delle sanzioni Supervisione delle frodi di fatturazione Risk Management Rilevamento delle frodi Segmentazione di prodotti e clienti Valutazione delle prestazioni Funzioni generali di conformità

Comprendere i vantaggi di Deep Learning per il settore bancario

Esplorare le diverse librerie di deep learning per Python

    TensorFlow Duro

Configurazione di Python con TensorFlow per il deep learning

    Installazione dell'API Python TensorFlow Verifica dell'installazione TensorFlow Impostazione TensorFlow per lo sviluppo Addestramento del primo TensorFlow modello di rete neurale

Configurazione Python con Keras per il deep learning

Creazione di semplici modelli di deep learning con Keras

    Creazione di un modello Keras Comprensione dei dati Specifica del modello di 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 il Deep Learning per il settore bancario

    Preparazione dei dati Scaricare i 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 Creazione del grafico di valutazione
  • Valutazione con l'output di valutazione
  • Modelli di training su larga scala
  • Visualizzazione e valutazione dei modelli con TensorBoard
  • Hands-on: Costruire un modello di rischio di credito basato sul deep learning utilizzando Python
  • 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 Python
    • Familiarità generale con i concetti finanziari e bancari
    • Familiarità di base con la statistica e i concetti matematici
      28 ore
     

    Numero di Partecipanti


    Data Inizio

    Data Fine


    Le date sono soggette a disponibilità e si svolgono tra le 09:30 e le 16:30.
    I corsi di formazione pubblici richiedono più di 5 partecipanti.

    Corsi relativi

    Categorie relative