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.
Návrh Školení
Úvod
Pochopení základů umělé inteligence a Machine Learning
Pochopení Deep Learning
- Přehled základních pojmů Deep Learning
- Rozdíl mezi Machine Learning a Deep Learning
- Přehled aplikací pro Deep Learning
Přehled Neural Networks
- Co jsou Neural Networks
- Neural Networks vs regresní modely
- Pochopení Mathematical základů a mechanismů učení
- Vytvoření umělé neuronové sítě
- Pochopení neuronových uzlů a spojení
- Práce s neurony, vrstvami a vstupními a výstupními daty
- Pochopení jednovrstvých perceptronů
- Rozdíly mezi kontrolovaným a nekontrolovaným učením
- Zpětná vazba a zpětná vazba k učení Neural Networks
- Porozumění dopředné a zpětné propagaci
- Porozumění dlouhodobé krátkodobé paměti (LSTM)
- Exploring Recurrent Neural Networks v praxi
- Zkoumání konvoluční Neural Networks v praxi
- Zlepšení cesty Neural Networks Učte se
Přehled Deep Learning technik používaných v bankovnictví
- Neural Networks
- Zpracování přirozeného jazyka
- Rozpoznávání obrazu
- Speech Recognition
- Sentimentální analýza
Zkoumání Deep Learning Případové studie pro bankovnictví
- Programy proti praní špinavých peněz
- Kontroly Know-Your-Customer (KYC).
- Sledování seznamu sankcí
- Dohled nad fakturačními podvody
- Riziko Management
- Detekce podvodů
- Produktová a zákaznická segmentace
- Hodnocení výkonnosti
- Obecné funkce shody
Pochopení výhod Deep Learning pro bankovnictví
Prozkoumání různých Deep Learning knihoven pro Python
- TensorFlow
- Keras
Nastavení Python pomocí TensorFlow pro Deep Learning
- Instalace TensorFlow Python API
- Testování instalace TensorFlow
- Nastavení TensorFlow pro vývoj
- Trénink svého prvního TensorFlow modelu neuronové sítě
Nastavení Python pomocí Keras pro Deep Learning
Tvorba jednoduchých Deep Learning modelů s Keras
- Vytvoření modelu Keras
- Porozumění vašim datům
- Určení vašeho Deep Learning modelu
- Kompilace vašeho modelu
- Přizpůsobení vašeho modelu
- Práce s vašimi klasifikačními daty
- Práce s klasifikačními modely
- Používání vašich modelů
Práce s TensorFlow pro Deep Learning pro bankovnictví
- Příprava dat
- Stahování dat
- Příprava tréninkových dat
- Příprava testovacích dat
- Škálování vstupů
- Použití zástupných symbolů a proměnných
- Určení architektury sítě
- Použití funkce nákladů
- Použití Optimalizátoru
- Použití inicializátorů
- Montáž neuronové sítě
- Sestavení grafu
- Odvození
- Ztráta
- Výcvik
- Školení modelky
- Graf
- Zasedání
- Vlaková smyčka
- Hodnocení modelu
- Sestavení grafu Eval
- Vyhodnocení s výstupem Eval
- Tréninkové modely ve Scale
- Vizualizace a vyhodnocování modelů pomocí TensorBoard
Praktické: Sestavení Deep Learning modelu úvěrového rizika pomocí Python
Rozšíření schopností vaší společnosti
- Vývoj modelů v cloudu
- Použití GPUs ke zrychlení Deep Learning
- Použití Deep Learning Neural Networks pro Computer Vision, Rozpoznávání hlasu a Analýza textu
Shrnutí a závěr
Požadavky
- Zkušenosti s programováním Python
- Obecná znalost finančních a bankovních pojmů
- Základní znalost statistiky a matematických pojmů
28 hodiny