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
- Differenza tra apprendimento statistico (analisi statistica) e apprendimento automatico
- Adozione della tecnologia e del talento del machine learning da parte delle società finanziarie e bancarie
Diversi tipi di Machine Learning
- Apprendimento supervisionato vs apprendimento non supervisionato
- Iterazione e valutazione
- Compromesso distorsione-varianza
- Combinare l'apprendimento supervisionato e non supervisionato (apprendimento semi-supervisionato)
Machine Learning Linguaggi e set di strumenti
- Sistemi e software open source e proprietari a confronto
- Python Contro R vs Matlab
- Librerie e framework
Machine Learning Casi di studio
- Dati dei consumatori e big data
- Valutazione del rischio nel credito al consumo e alle imprese
- Migliorare il servizio clienti attraverso l'analisi del sentiment
- Rilevamento di frodi di identità, frodi di fatturazione e riciclaggio di denaro
Hands-on: Python per l'apprendimento automatico
- Preparazione dell'ambiente di sviluppo
- Ottenere Python librerie e pacchetti di machine learning
- Lavorare con scikit-learn e PyBrain
Come caricare Machine Learning i dati
- Database, data warehouse e flussi di dati
- Archiviazione ed elaborazione distribuite con Hadoop e Spark
- Dati esportati ed Excel
Modellazione Business delle decisioni con l'apprendimento supervisionato
- Classificazione dei dati (classificazione)
- Utilizzo dell'analisi di regressione per stimare il risultato
- Scelta tra gli algoritmi di machine learning disponibili
- Informazioni sugli algoritmi dell'albero decisionale
- Informazioni sugli algoritmi della foresta casuale
- Valutazione del modello
- Esercizio
Analisi di regressione
- Regressione lineare
- Generalizzazioni e non linearità
- Esercizio
Classificazione
- Aggiornamento bayesiano
- Ingenuo Bayes
- Regressione logistica
- K-Vicini più prossimi
- Esercizio
Hands-on: Creazione di un modello di stima
- Valutazione del rischio di prestito in base al tipo di cliente e alla cronologia
Valutazione delle prestazioni di Machine Learning algoritmi
- Convalida incrociata e ricampionamento
- Bootstrap Aggregazione (insaccamento)
- Esercizio
Modellazione Business delle decisioni con l'apprendimento non supervisionato
- Quando i set di dati di esempio non sono disponibili
- Clustering K-means
- Le sfide dell'apprendimento non supervisionato
- Oltre i mezzi K
- Reti di Bayes e modelli nascosti di Markov
- Esercizio
Hands-on: Creazione di un sistema di raccomandazione
- Analizzare il comportamento passato dei clienti per migliorare le nuove offerte di servizi
Estendere le capacità della tua azienda
- Sviluppo di modelli nel cloud
- Accelerare l'apprendimento automatico con GPU
- Applicazione di reti neurali di Deep Learning per la visione artificiale, il riconoscimento vocale e l'analisi del testo
Osservazioni conclusive
Requisiti
- Esperienza con la programmazione Python
- Familiarità di base con la statistica e l'algebra lineare
21 ore