Formation Deep Learning for Banking (with Python)

Code formation

dlforbankingwithpython

Durée

28 heures (généralement 4 jours pauses comprises)

Pré requis

  • Experience with Python programming
  • General familiarity with financial and banking concepts
  • Basic familiarity with statistics and mathematical concepts

Aperçu

L'apprentissage automatique est une branche de l'intelligence artificielle dans laquelle les ordinateurs ont la capacité d'apprendre sans être explicitement programmé. L'apprentissage en profondeur est un sous-domaine de l'apprentissage automatique qui utilise des méthodes basées sur l'apprentissage de représentations de données et de structures telles que les réseaux de neurones. Python est un langage de programmation de haut niveau réputé pour sa syntaxe claire et sa lisibilité du code.

Au cours de cette formation en direct animée par un instructeur, les participants apprendront comment mettre en œuvre des modèles d'apprentissage en profondeur pour les opérations bancaires en utilisant Python au cours de la création d'un modèle de risque de crédit d'apprentissage en profondeur.

À la fin de cette formation, les participants seront en mesure de:

  • Comprendre les concepts fondamentaux de l'apprentissage en profondeur
  • Apprenez les applications et les utilisations de l'apprentissage en profondeur dans le secteur bancaire
  • Utilisez Python , Keras et TensorFlow pour créer des modèles d’apprentissage approfondi du secteur bancaire.
  • Construire leur propre modèle de risque de crédit pour l'apprentissage en profondeur en utilisant Python

Public

  • Les développeurs
  • Scientifiques de données

Format du cours

  • Partie de conférence, partie de discussion, exercices et exercices intensifs

Machine Translated

Plan du cours

Introduction

Understanding the Fundamentals of Artificial Intelligence and Machine Learning

Understanding Deep Learning

  • Overview of the Basic Concepts of Deep Learning
  • Differentiating Between Machine Learning and Deep Learning
  • Overview of Applications for Deep Learning

Overview of Neural Networks

  • What are Neural Networks
  • Neural Networks vs Regression Models
  • Understanding Mathematical Foundations and Learning Mechanisms
  • Constructing an Artificial Neural Network
  • Understanding Neural Nodes and Connections
  • Working with Neurons, Layers, and Input and Output Data
  • Understanding Single Layer Perceptrons
  • Differences Between Supervised and Unsupervised Learning
  • Learning Feedforward and Feedback Neural Networks
  • Understanding Forward Propagation and Back Propagation
  • Understanding Long Short-Term Memory (LSTM)
  • Exploring Recurrent Neural Networks in Practice
  • Exploring Convolutional Neural Networks in practice
  • Improving the Way Neural Networks Learn

Overview of Deep Learning Techniques Used in Banking

  • Neural Networks
  • Natural Language Processing
  • Image Recognition
  • Speech Recognition
  • Sentimental Analysis

Exploring Deep Learning Case Studies for Banking

  • Anti-Money Laundering Programs
  • Know-Your-Customer (KYC) Checks
  • Sanctions List Monitoring
  • Billing Fraud Oversight
  • Risk Management
  • Fraud Detection
  • Product and Customer Segmentation
  • Performance Evaluation
  • General Compliance Functions

Understanding the Benefits of Deep Learning for Banking

Exploring the Different Deep Learning Libraries for Python

  • TensorFlow
  • Keras

Setting Up Python with the TensorFlow for Deep Learning

  • Installing the TensorFlow Python API
  • Testing the TensorFlow Installation
  • Setting Up TensorFlow for Development
  • Training Your First TensorFlow Neural Net Model

Setting Up Python with Keras for Deep Learning

Building Simple Deep Learning Models with Keras

  • Creating a Keras Model
  • Understanding Your Data
  • Specifying Your Deep Learning Model
  • Compiling Your Model
  • Fitting Your Model
  • Working with Your Classification Data
  • Working with Classification Models
  • Using Your Models

Working with TensorFlow for Deep Learning for Banking

  • Preparing the Data
    • Downloading the Data
    • Preparing Training Data
    • Preparing Test Data
    • Scaling Inputs
    • Using Placeholders and Variables
  • Specifying the Network Architecture
  • Using the Cost Function
  • Using the Optimizer
  • Using Initializers
  • Fitting the Neural Network
  • Building the Graph
    • Inference
    • Loss
    • Training
  • Training the Model
    • The Graph
    • The Session
    • Train Loop
  • Evaluating the Model
    • Building the Eval Graph
    • Evaluating with Eval Output
  • Training Models at Scale
  • Visualizing and Evaluating Models with TensorBoard

Hands-on: Building a Deep Learning Credit Risk Model Using Python

Extending your Company's Capabilities

  • Developing Models in the Cloud
  • Using GPUs to Accelerate Deep Learning
  • Applying Deep Learning Neural Networks for Computer Vision, Voice Recognition, and Text Analysis

Summary and Conclusion

Nos Clients témoignent

★★★★★
★★★★★

Catégories Similaires

Cours Similaires

Réduction spéciale

Newsletter offres spéciales

Nous respectons le caractère privé de votre adresse mail. Nous ne divulguerons ni ne vendrons votre adresse email à quiconque
Vous pouvez toujours modifier vos préférences ou vous désinscrire complètement.

Nos clients

is growing fast!

We are looking for a good mixture of IT and soft skills in Belgium!

As a NobleProg Trainer you will be responsible for:

  • delivering training and consultancy Worldwide
  • preparing training materials
  • creating new courses outlines
  • delivering consultancy
  • quality management

At the moment we are focusing on the following areas:

  • Statistic, Forecasting, Big Data Analysis, Data Mining, Evolution Alogrithm, Natural Language Processing, Machine Learning (recommender system, neural networks .etc...)
  • SOA, BPM, BPMN
  • Hibernate/Spring, Scala, Spark, jBPM, Drools
  • R, Python
  • Mobile Development (iOS, Android)
  • LAMP, Drupal, Mediawiki, Symfony, MEAN, jQuery
  • You need to have patience and ability to explain to non-technical people

To apply, please create your trainer-profile by going to the link below:

Apply now!

This site in other countries/regions