Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Schulungsübersicht
Einführung
Die Grundlagen der künstlichen Intelligenz verstehen und Machine Learning
Verstehen Deep Learning
- Überblick über die grundlegenden Konzepte von Deep Learning
- Unterscheidung zwischen Machine Learning und Deep Learning
- Überblick über Anwendungen für Deep Learning
Überblick über Neural Networks
- Was sind Neural Networks
- Neural Networks vs. Regressionsmodelle
- Verstehen der Mathematical Grundlagen und Lernmechanismen
- Konstruktion eines künstlichen neuronalen Netzes
- Verstehen neuronaler Knoten und Verbindungen
- Arbeiten mit Neuronen, Schichten und Eingabe- und Ausgabedaten
- Einschichtige Perceptrons verstehen
- Unterschiede zwischen überwachtem und unüberwachtem Lernen
- Lernen mit Vorwärts- und Rückkopplung Neural Networks
- Verständnis von Forward Propagation und Back Propagation
- Verstehen des langen Kurzzeitspeichers (LSTM)
- Erforschung des rekurrenten Neural Networks in der Praxis
- Erforschung von Convolutional Neural Networks in der Praxis
- Verbessern der Art und Weise, wie Neural Networks lernt
Überblick über Deep Learning Techniken, die im Bankwesen verwendet werden
- Neural Networks
- Verarbeitung natürlicher Sprache
- Bild-Erkennung
- Speech Recognition
- Sentimentale Analyse
Erforschung Deep Learning Fallstudien für Banken
- Anti-Geldwäsche-Programme
- Know-Your-Customer (KYC)-Prüfungen
- Überwachung von Sanktionslisten
- Überwachung von Abrechnungsbetrug
- Risiko Management
- Aufdeckung von Betrug
- Produkt- und Kundensegmentierung
- Leistungsbewertung
- Allgemeine Compliance-Funktionen
Verstehen der Vorteile von Deep Learning für das Bankwesen
Erforschung der verschiedenen Deep Learning-Bibliotheken für Python
- TensorFlow
- Keras
Einrichten von Python mit der TensorFlow für Deep Learning
- Installieren der TensorFlow Python API
- Testen der TensorFlow-Installation
- Einrichten von TensorFlow für die Entwicklung
- Trainieren Ihres ersten TensorFlow Neuronalen Netzmodells
Einrichten von Python mit Keras für Deep Learning
Einfache Deep Learning-Modelle mit Keras erstellen
- Erstellen eines Keras-Modells
- Verstehen Ihrer Daten
- Spezifizieren Ihres Deep Learning-Modells
- Kompilieren Ihres Modells
- Anpassen Ihres Modells
- Arbeiten mit Ihren Klassifizierungsdaten
- Arbeiten mit Klassifikationsmodellen
- Verwendung Ihrer Modelle
Arbeiten mit TensorFlow für Deep Learning für Banking
- Vorbereiten der Daten
- Herunterladen der Daten
- Vorbereiten der Trainingsdaten
- Vorbereiten von Testdaten
- Eingaben skalieren
- Verwenden von Platzhaltern und Variablen
- Festlegen der Netzwerkarchitektur
- Verwendung der Kostenfunktion
- Verwendung des Optimierers
- Verwendung von Initialisierern
- Anpassen des neuronalen Netzes
- Aufbau des Graphen
- Inferenz
- Verlust
- Ausbildung
- Training des Modells
- Der Graph
- Die Sitzung
- Schleife trainieren
- Auswerten des Modells
- Aufbau des Auswertungsgraphen
- Auswertung mit Eval Output
- Modelle in großem Maßstab trainieren
- Visualisieren und Auswerten von Modellen mit TensorBoard
Praktische Anwendung: Aufbau eines Deep Learning Kreditrisikomodells mit Python
Erweitern Sie die Fähigkeiten Ihres Unternehmens
- Entwickeln von Modellen in der Cloud
- Verwendung von GPUs zur Beschleunigung von Deep Learning
- Anwendung von Deep Learning Neural Networks für Computer Vision, Spracherkennung und Textanalyse
Zusammenfassung und Schlussfolgerung
Voraussetzungen
- Erfahrung mit Python Programmierung
- Allgemeine Vertrautheit mit Finanz- und Bankkonzepten
- Grundlegende Vertrautheit mit Statistik und mathematischen Konzepten
28 Stunden
