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
Capire 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 Modelli di regressione vs
Comprendere i fondamenti matematici e i meccanismi di apprendimento
Costruire una rete neurale artificiale
Informazioni sui nodi neurali e sulle 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 indietro
Comprendere la memoria a breve termine lunga (LSTM)
Esplorare le ricorrenti Neural Networks nella pratica
Esplorare il Convoluzionale Neural Networks nella pratica
Migliorare il modo Neural Networks Impara
Panoramica delle Deep Learning tecniche utilizzate nel settore bancario
-
Reti neurali
Elaborazione del linguaggio naturale
Riconoscimento delle immagini
Speech Recognition
Analisi sentimentale
Esplorare Deep Learning 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
Esplorazione dei diversi pacchetti di 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 incorporati
Utilizzo dei dati dai file
Utilizzo di dati fittizi
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 di base con la programmazione R
- Familiarità generale con i concetti finanziari e bancari
- Familiarità di base con la statistica e i concetti matematici
28 ore