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.
Kursplan
Introduksjon
Forstå det grunnleggende om kunstig intelligens og Machine Learning
Forståelse Deep Learning
- Oversikt over de grunnleggende konseptene til Deep Learning
- Skille mellom Machine Learning og Deep Learning
- Oversikt over søknader for Deep Learning
Oversikt over Neural Networks
- Hva er Neural Networks
- Neural Networks vs regresjonsmodeller
- Forstå Mathematical grunnlag og læringsmekanismer
- Konstruere et kunstig nevralt nettverk
- Forstå nevrale noder og forbindelser
- Arbeide med nevroner, lag og inn- og utdata
- Forstå enkeltlagsperceptroner
- Forskjeller mellom veiledet og uovervåket læring
- Lære tilbakemeldinger og tilbakemeldinger Neural Networks
- Forstå forplantning fremover og forplantning tilbake
- Forstå langtidsminne (LSTM)
- Utforsking av tilbakevendende Neural Networks i praksis
- Exploring Convolutional Neural Networks i praksis
- Forbedre måten Neural Networks Lær
Oversikt over Deep Learning teknikker som brukes i bankvirksomhet
- Neural Networks
- Naturlig språkbehandling
- Bildegjenkjenning
- Speech Recognition
- Sentimental analyse
Utforsker Deep Learning kasusstudier for bankvirksomhet
- Anti-hvitvaskingsprogrammer
- Kjenn-din-kunde-sjekker (KYC).
- Sanksjonslisteovervåking
- Tilsyn med faktureringssvindel
- Risiko Management
- Oppdagelse av svindel
- Produkt- og kundesegmentering
- Evaluering av framføring
- Generelle samsvarsfunksjoner
Forstå fordelene ved Deep Learning for banktjenester
Utforske de forskjellige Deep Learning bibliotekene for Python
- TensorFlow
- Keras
Sette opp Python med TensorFlow for Deep Learning
- Installere TensorFlow Python API
- Tester TensorFlow-installasjonen
- Oppsett TensorFlow for utvikling
- Trene din første TensorFlow nevrale nettmodell
Sette opp Python med Keras for Deep Learning
Bygge enkle Deep Learning modeller med Keras
- Opprette en Keras modell
- Forstå dataene dine
- Spesifisere din Deep Learning modell
- Kompilere modellen din
- Tilpasning av modellen din
- Arbeide med klassifiseringsdataene dine
- Arbeid med klassifikasjonsmodeller
- Bruke modellene dine
Arbeide med TensorFlow for Deep Learning for Banking
- Klargjøring av data
- Laster ned dataene
- Forberede treningsdata
- Forbereder testdata
- Skalering av innganger
- Bruke plassholdere og variabler
- Spesifisere nettverksarkitekturen
- Bruke kostnadsfunksjonen
- Bruke Optimizer
- Bruke initialiseringsprogrammer
- Tilpasning til det nevrale nettverket
- Bygge grafen
- Inferens
- Tap
- Opplæring
- Trening av modellen
- Grafen
- Sesjonen
- Togsløyfe
- Evaluering av modellen
- Bygge Eval-grafen
- Evaluering med Eval Output
- Treningsmodeller i stor skala
- Visualisere og evaluere modeller med TensorBoard
Hands-on: Bygge en Deep Learning kredittrisikomodell ved å bruke Python
Utvide bedriftens evner
- Utvikle modeller i skyen
- Bruke GPUs for å akselerere Deep Learning
- Bruker Deep Learning Neural Networks for Computer Vision, stemmegjenkjenning og tekstanalyse
Oppsummering og konklusjon
Krav
- Erfaring med Python programmering
- Generell kjennskap til finans- og bankkonsepter
- Grunnleggende kjennskap til statistikk og matematiske begreper
28 timer
