Návrh Školení

Úvod

Pochopení základů umělé inteligence a Machine Learning

Pochopení Deep Learning

    Přehled základních pojmů hlubokého učení Rozlišování mezi Machine Learning a hlubokým učením Přehled aplikací pro hluboké učení

Přehled Neural Networks

    Co jsou Neural Networks Neural Networks vs regresní modely Pochopení matematických základů a výukových mechanismů Konstrukce umělé neuronové sítě Pochopení neuronových uzlů a spojení Práce s neurony, vrstvami a vstupními a výstupními daty Pochopení perceptronů na jedné vrstvě Rozdíly mezi řízeným a nekontrolovaným učením Výuka and Feedback Neural Networks Porozumění dopřednému šíření a zpětnému šíření Porozumění dlouhodobé krátkodobé paměti (LSTM) Zkoumání opakujícího se Neural Networks v praxi Zkoumání konvolučního Neural Networks v praxi Zlepšení způsobu Neural Networks Učte se

Přehled Deep Learning technik používaných v bankovnictví

    Neuronové sítě Zpracování přirozeného jazyka Rozpoznávání obrazu Speech Recognition Sentimentální analýza

Zkoumání Deep Learning Případové studie pro bankovnictví

    Programy proti praní špinavých peněz Poznej svého zákazníka (KYC) kontroluje seznam sankcí Sledování fakturace Dohled nad podvody Risk Management Detekce podvodů Produkt a segmentace zákazníků Hodnocení výkonu Obecné funkce pro dodržování předpisů

Pochopení výhod Deep Learning pro bankovnictví

Prozkoumání různých knihoven hlubokého učení pro Python

    TensorFlow Těžko

Nastavení Pythonu pomocí TensorFlow pro hluboké učení

    Instalace TensorFlow Python API Testování TensorFlow Instalace Nastavení TensorFlow pro vývojářské školení Váš první TensorFlow model neuronové sítě

Nastavení Python pomocí Keras pro hluboké učení

Vytváření jednoduchých modelů hlubokého učení pomocí Keras

    Vytvoření modelu Keras Pochopení vašich dat Specifikace vašeho modelu hlubokého učení Kompilace vašeho modelu Přizpůsobení vašeho modelu Práce s vašimi klasifikačními daty Práce s klasifikačními modely pomocí vašich modelů

Práce s TensorFlow pro Deep Learning for Banking

    Příprava dat Stahování dat Příprava tréninkových dat Příprava testovacích dat Škálování vstupů pomocí zástupných symbolů a proměnných
Určení architektury sítě
  • Použití funkce nákladů
  • Použití Optimalizátoru
  • Použití inicializátorů
  • Montáž neuronové sítě
  • Vytváření závěru grafu
  • Ztráta
  • Výcvik
  • Školení modelu Graf
  • Zasedání
  • Vlaková smyčka
  • Vyhodnocení modelu Vytvoření Eval grafu
  • Vyhodnocení s výstupem Eval
  • Tréninkové modely ve Scale
  • Vizualizace a vyhodnocování modelů pomocí TensorBoard
  • Praktické: Vytvoření modelu kreditního rizika pro hluboké učení pomocí Python
  • Rozšíření schopností vaší společnosti
  • Vývoj modelů v cloudu pomocí GPU k urychlení hlubokého učení Použití hlubokého učení Neural Networks pro počítačové vidění, rozpoznávání hlasu a analýzu textu
  • Shrnutí a závěr
  • Požadavky

    • Zkušenosti s programováním Python
    • Obecná znalost finančních a bankovních pojmů
    • Základní znalost statistiky a matematických pojmů
      28 hodiny
     

    Počet účastníků


    Začátek

    Konec


    Dates are subject to availability and take place between 09:30 and 16:30.
    Open Training Courses require 5+ participants.

    Související kurzy

    Související kategorie