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.
Plan du cours
Introduction
Comprendre les fondements de l'intelligence artificielle et Machine Learning
Comprendre Deep Learning
-
Aperçu des concepts de base de l'apprentissage profond
Différenciation entre Machine Learning et l'apprentissage profond
Aperçu des applications de l'apprentissage profond
Vue d'ensemble de Neural Networks
-
Que sont les Neural Networks
Neural Networks vs modèles de régression
Comprendre les fondements mathématiques et les mécanismes d'apprentissage
Construction d'un réseau neuronal artificiel
Comprendre les nœuds neuronaux et les connexions
Travailler avec des neurones, des couches et des données d'entrée et de sortie
Comprendre les perceptrons à couche unique
Différences entre l'apprentissage supervisé et non supervisé
Apprentissage par anticipation et par rétroaction Neural Networks
Comprendre la propagation vers l'avant et la rétropropagation
Comprendre la mémoire à long terme (LSTM)
Explorer les récurrents Neural Networks en pratique
Explorer l'apprentissage convolutif Neural Networks dans la pratique
Améliorer la façon dont Neural Networks apprend
Aperçu des Deep Learning techniques utilisées dans le secteur bancaire
-
Réseaux neuronaux
Traitement du langage naturel
Reconnaissance d'images
Speech Recognition
Analyse sentimentale
Explorer Deep Learning Études de cas pour le secteur bancaire
-
Programmes de lutte contre le blanchiment d'argent
Vérifications de la connaissance du client (KYC)
Surveillance des listes de sanctions
Surveillance de la fraude à la facturation
Risk Management
Détection de la fraude
Segmentation des produits et des clients
Évaluation des performances
Fonctions générales de conformité
Comprendre les avantages du Deep Learning pour le secteur bancaire
Explorer les différents packages de Deep Learning pour R   ;   ; Apprentissage profond dans R avec Keras et RStudio
-
Vue d'ensemble du paquetage Keras pour R
Installation du package Keras pour R
Chargement des données
Utilisation d'ensembles de données intégrés
Utilisation de données provenant de fichiers
Utilisation de données fictives
Développer des modèles dans le nuage Utiliser les GPU pour accélérer l'apprentissage profond Application du Deep Learning Neural Networks à la vision artificielle, à la reconnaissance vocale et à l'analyse de texte.
Résumé et conclusion
Pré requis
- Expérience de base de la programmation R
- Familiarité générale avec les concepts financiers et bancaires
- Familiarité de base avec les statistiques et les concepts mathématiques
28 heures