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.
Course Outline
Invoering
De grondbeginselen van kunstmatige intelligentie begrijpen en Machine Learning
Begrijpen Deep Learning
- Overzicht van de basisconcepten van deep learning, waarbij onderscheid wordt gemaakt tussen Machine Learning en deep learning. Overzicht van toepassingen voor deep learning
Overzicht van Neural Networks
- Wat zijn Neural Networks Neural Networks versus regressiemodellen Wiskundige grondslagen en leermechanismen begrijpen Een kunstmatig neuraal netwerk construeren Neurale knooppunten en verbindingen begrijpen Werken met neuronen, lagen en invoer- en uitvoergegevens Enkellaags-perceptronen begrijpen Verschillen tussen begeleid en onbewaakt leren Leren Feedforward en feedback Neural Networks Voorwaartse voortplanting en achterwaartse voortplanting begrijpen Het lange-kortetermijngeheugen (LSTM) begrijpen Herhalend onderzoek Neural Networks in de praktijk Onderzoeken van convolutioneel Neural Networks in de praktijk De weg verbeteren Neural Networks Leren
Overzicht van Deep Learning technieken die in het bankwezen worden gebruikt
- Neurale netwerken Natuurlijke taalverwerking Beeldherkenning Speech Recognition Sentimentele analyse
Onderzoek naar Deep Learning Casestudies voor het bankwezen
- Antiwitwasprogramma's Know-Your-Customer (KYC)-controles Sanctielijst Monitoring Factureringsfraude Toezicht Risk Management Fraudedetectie Product- en klantsegmentatie Prestatie-evaluatie Algemene compliancefuncties
Inzicht in de voordelen van Deep Learning voor het bankwezen
Het verkennen van de verschillende Deep Learning-bibliotheken voor Python
- TensorFlow Moeilijk
Python instellen met de TensorFlow voor Deep Learning
- De TensorFlow Python API installeren De TensorFlow installatie testen TensorFlow instellen voor ontwikkeling Trainen van uw eerste TensorFlow Neural Net-model
Opzetten Python met Keras voor Deep Learning
Eenvoudige deep learning-modellen bouwen met Keras
- Een Keras-model maken Uw gegevens begrijpen Uw Deep Learning-model specificeren Uw model samenstellen Uw model aanpassen Werken met uw classificatiegegevens Werken met classificatiemodellen Uw modellen gebruiken
Werken met TensorFlow voor Deep Learning voor het bankwezen
- De gegevens voorbereiden De gegevens downloaden Trainingsgegevens voorbereiden Testgegevens voorbereiden Invoer schalen met tijdelijke aanduidingen en variabelen
Requirements
- Ervaring met Python programmeren
- Algemene bekendheid met financiële en bancaire concepten
- Basiskennis van statistiek en wiskundige concepten
28 Hours