课程大纲

介绍

了解人工智能的基础知识和 Machine Learning

理解 Deep Learning

    深度学习基本概念概述 区分 Machine Learning 和深度学习 深度学习应用概述

概述 Neural Networks

    什么是 Neural Networks Neural Networks 与回归模型 了解数学基础和学习机制 构建人工神经网络 了解神经节点和连接 使用神经元、图层以及输入和输出数据 了解单层感知器 监督学习和无监督学习之间的差异 学习前馈和反馈 Neural Networks 了解前向传播和反向传播 了解长短期记忆 (LSTM) 在实践中探索复发性 Neural Networks 在实践中探索卷积 Neural Networks 改进学习方式 Neural Networks

Deep Learning 银行业务中使用的技术概述

    神经网络 自然语言处理 图像识别 Speech Recognition 情感分析

探索 Deep Learning 银行业案例研究

    反洗钱计划 了解您的客户 (KYC) 检查 制裁名单监测 账单欺诈监督 Risk Management 欺诈检测 产品和客户细分 绩效评估 一般合规职能

了解 Deep Learning 对银行业的好处

探索适用于 R 的不同深度学习包      R 中的深度学习与 Keras 和 RStudio

    R 的 Keras 包概述 安装 R 的 Keras 软件包 加载数据 使用内置数据集 使用文件中的数据 使用虚拟数据
探索数据
  • 预处理数据 清理数据
  • 规范化数据
  • 将数据拆分为训练集和测试集
  • 实现一个热编码 (OHE)
  • 定义模型的体系结构
  • 编译模型并将其拟合到数据
  • 训练您的模型
  • 可视化模型训练历史记录
  • 使用模型预测新数据的标签
  • 评估您的模型
  • 微调模型
  • 保存和导出模型
  • 实践:使用 R 构建 Deep Learning 信用风险模型
  • 扩展您公司的能力
  • 在云中开发模型 使用 GPU 加速深度学习 将深度学习 Neural Networks 应用于计算机视觉、语音识别和文本分析。

    总结和结论

    要求

    • 具有 R 编程的基本经验
    • 大致熟悉金融和银行概念
    • 基本熟悉统计学和数学概念
      28 小时

    人数


    开始

    完结


    Dates are subject to availability and take place between 09:30 and 16:30.

    每位参与者的报价

    相关课程

    课程分类