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 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 balíčků hlubokého učení pro R Deep Learning v R s Keras a RStudio
- Přehled balíčku Keras pro R Instalace balíčku Keras pro R Načítání dat pomocí vestavěných datových sad pomocí dat ze souborů pomocí fiktivních dat
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
- Základní zkušenosti s programováním R
- Obecná znalost finančních a bankovních pojmů
- Základní znalost statistiky a matematických pojmů
28 hodiny