Course Outline

Εισαγωγή

Κατανόηση των Βασικών Αρχών της Τεχνητής Νοημοσύνης και Machine Learning

Κατανόηση Deep Learning

    Επισκόπηση των βασικών εννοιών της βαθιάς μάθησης που διαφοροποιείται μεταξύ Machine Learning και βαθιάς μάθησης Επισκόπηση των εφαρμογών για τη βαθιά μάθηση

Επισκόπηση του Neural Networks

    Τι είναι Neural Networks Neural Networks έναντι μοντέλων παλινδρόμησης Κατανόηση μαθηματικών θεμελίων και μηχανισμών μάθησης Κατασκευή τεχνητού νευρωνικού δικτύου Κατανόηση νευρωνικών κόμβων και συνδέσεων που εργάζονται με νευρώνες, στρώματα και δεδομένα εισόδου και εξόδου Κατανόηση Perceptrons ενός επιπέδου Διαφορές μεταξύ εποπτευόμενου και μη εποπτευόμενου εκμάθησης και ανατροφοδότηση Neural Networks Κατανόηση της διάδοσης προς τα εμπρός και της πίσω διάδοσης Κατανόηση της μακροπρόθεσμης μνήμης (LSTM) Εξερεύνηση του επαναλαμβανόμενου Neural Networks στην πράξη Εξερεύνηση του συνελικτικού Neural Networks στην πράξη Βελτίωση του τρόπου Neural Networks μάθηση

Επισκόπηση Deep Learning Τεχνικών που χρησιμοποιούνται στον τραπεζικό τομέα

    Νευρωνικά Δίκτυα Επεξεργασία Φυσικής Γλώσσας Αναγνώριση Εικόνας Speech Recognition Συναισθηματική Ανάλυση

Διερεύνηση Deep Learning Περιπτωσιολογικές μελέτες για τον τραπεζικό τομέα

    Προγράμματα κατά της νομιμοποίησης εσόδων από παράνομες δραστηριότητες Γνωρίστε τον πελάτη σας (KYC) Έλεγχοι λίστας κυρώσεων Παρακολούθηση απάτης χρέωσης Επίβλεψη απάτης

Κατανόηση των πλεονεκτημάτων του Deep Learning για τις τραπεζικές εργασίες

Εξερευνώντας τις διαφορετικές βιβλιοθήκες Deep Learning για Python

    TensorFlow Σκληρό

Ρύθμιση της Python με το TensorFlow για Deep Learning

    Εγκατάσταση του TensorFlow Python API Δοκιμή του TensorFlow Εγκατάστασης Ρύθμιση TensorFlow για Εκπαίδευση Ανάπτυξης Το πρώτο σας TensorFlow μοντέλο νευρωνικού δικτύου

Ρύθμιση Python με το Keras for Deep Learning

Δημιουργία απλών μοντέλων βαθιάς μάθησης με Keras

    Δημιουργία μοντέλου Keras Κατανόηση των δεδομένων σας Προσδιορισμός του μοντέλου σας για τη βαθιά μάθηση Σύνταξη του μοντέλου Προσαρμογή του μοντέλου σας Εργασία με δεδομένα ταξινόμησης Εργασία με μοντέλα ταξινόμησης χρησιμοποιώντας τα μοντέλα σας

Συνεργασία με TensorFlow για Deep Learning for Banking

    Προετοιμασία των Δεδομένων Λήψη των Δεδομένων Προετοιμασία Δεδομένων Εκπαίδευσης Προετοιμασία Δεδομένων Δοκιμής Κλιμάκωση δεδομένων Εισαγωγή με χρήση θέσεων και μεταβλητών
Καθορισμός της αρχιτεκτονικής δικτύου
  • Χρήση της συνάρτησης κόστους
  • Χρήση του Optimizer
  • Χρήση Initializers
  • Προσαρμογή του νευρωνικού δικτύου
  • Κατασκευάζοντας το συμπέρασμα γραφήματος
  • Απώλεια
  • Εκπαίδευση
  • Εκπαίδευση του μοντέλου The Graph
  • Η Συνεδρία
  • Βρόχος τρένου
  • Αξιολόγηση του μοντέλου Δημιουργία του γραφήματος Eval
  • Αξιολόγηση με Eval Output
  • Εκπαιδευτικά μοντέλα σε κλίμακα
  • Οπτικοποίηση και αξιολόγηση μοντέλων με το TensorBoard
  • Πράγματι: Δημιουργία ενός μοντέλου πιστωτικού κινδύνου βαθιάς μάθησης χρησιμοποιώντας Python
  • Επέκταση των Δυνατοτήτων της Εταιρείας σας
  • Ανάπτυξη μοντέλων στο Cloud με χρήση GPU για την επιτάχυνση της βαθιάς μάθησης Εφαρμογή της βαθιάς μάθησης Neural Networks για την όραση υπολογιστή, την αναγνώριση φωνής και την ανάλυση κειμένου
  • Περίληψη και Συμπέρασμα
  • Requirements

    • Εμπειρία στον προγραμματισμό Python
    • Γενική εξοικείωση με χρηματοοικονομικές και τραπεζικές έννοιες
    • Βασική εξοικείωση με στατιστικές και μαθηματικές έννοιες
      28 Hours
     

    Number of participants


    Starts

    Ends


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

    Related Courses

    Advanced Stable Diffusion: Deep Learning for Text-to-Image Generation

      21 Hours

    Related Categories