Köszönjük, hogy elküldte érdeklődését! Csapatunk egyik tagja hamarosan felveszi Önnel a kapcsolatot.
Köszönjük, hogy elküldte foglalását! Csapatunk egyik tagja hamarosan felveszi Önnel a kapcsolatot.
Kurzusleírás
Bevezetés
A mesterséges intelligencia alapjainak megértése és Machine Learning
Megértés Deep Learning
- Az Deep Learning alapfogalmainak áttekintése
- Különbség a Machine Learning és Deep Learning között
- A pályázatok áttekintése a következőhöz: Deep Learning
A Neural Networks áttekintése
- Mik azok Neural Networks
- Neural Networks vs regressziós modellek
- Az Mathematica alapok és tanulási mechanizmusok megértése
- Mesterséges neurális hálózat felépítése
- Neurális csomópontok és kapcsolatok megértése
- Munka neuronokkal, rétegekkel, valamint bemeneti és kimeneti adatokkal
- Az egyrétegű perceptronok megértése
- A felügyelt és a nem felügyelt tanulás közötti különbségek
- Tanulási visszajelzés és visszajelzés Neural Networks
- Az előre és vissza terjedés megértése
- A hosszú távú rövid távú memória (LSTM) megértése
- A visszatérő Neural Networks feltárása a gyakorlatban
- A Convolutional Neural Networks feltárása a gyakorlatban
- Az út javítása Neural Networks Tanuljon
Áttekintés a Deep Learning banki technikákról
- Neural Networks
- Természetes nyelvi feldolgozás
- Képfelismerés
- Speech Recognition
- Szentimentális elemzés
Exploring Deep Learning esettanulmányok banki ügyekben
- Pénzmosás elleni programok
- Ismerje meg ügyfelét (KYC) ellenőrzések
- A szankciólista megfigyelése
- Számlázási csalások felügyelete
- Kockázat Management
- Csalások felderítése
- Termék- és vevőszegmentálás
- Teljesítményértékelés
- Általános megfelelőségi funkciók
Az Deep Learning előnyeinek megértése a banki szolgáltatások számára
Különböző Deep Learning könyvtárak felfedezése a Python számára
- TensorFlow
- Keras
A Python beállítása a TensorFlow gombbal Deep Learning-hez
- A TensorFlow Python API telepítése
- A TensorFlow telepítés tesztelése
- Beállítás TensorFlow a fejlesztéshez
- Az első TensorFlow neurális hálózati modell betanítása
A Python beállítása a Keras-mal Deep Learning-hez
Egyszerű Deep Learning modellek készítése Keras segítségével
- Keras Modell készítése
- Az Ön adatainak megértése
- Az Ön Deep Learning modelljének megadása
- A modell összeállítása
- Modelljének illesztése
- Munka az osztályozási adatokkal
- Munka osztályozási modellekkel
- A modellek használata
Dolgozik a TensorFlow-vel, Deep Learning-vel a banki területen
- Az adatok előkészítése
- Az adatok letöltése
- Képzési adatok előkészítése
- Tesztadatok előkészítése
- Bemenetek méretezése
- Helyőrzők és változók használata
- A hálózati architektúra megadása
- A Költségfüggvény használata
- Az optimalizáló használata
- Inicializátorok használata
- A neurális hálózat illesztése
- Grafikon építése
- Következtetés
- Veszteség
- Kiképzés
- A modell képzése
- A Grafikon
- Az ülésszak
- Vonathurok
- A modell értékelése
- Az Eval Graph felépítése
- Értékelés az Eval Output segítségével
- Képzési modellek méretben
- Modellek megjelenítése és értékelése TensorBoard segítségével
Gyakorlati gyakorlat: Deep Learning hitelkockázati modell felépítése Python segítségével
Vállalata képességeinek bővítése
- Modellek fejlesztése a felhőben
- GPUs gyorsítás Deep Learning
- Deep Learning Neural Networks alkalmazása Computer Vision, Hangfelismerés és Szövegelemzés esetén
Összefoglalás, és következtetés
Követelmények
- Python programozásban szerzett tapasztalat
- A pénzügyi és banki fogalmak általános ismerete
- Statisztikai és matematikai fogalmak alapvető ismerete
28 Órák
