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 diep leren Onderscheid maken tussen Machine Learning en diep leren Overzicht van toepassingen voor diep leren
Overzicht van Neural Networks
- Wat zijn Neural Networks Neural Networks versus regressiemodellen Inzicht in wiskundige grondslagen en leermechanismen Een kunstmatig neuraal netwerk construeren Inzicht in neurale knooppunten en verbindingen Werken met neuronen, lagen en invoer- en uitvoergegevens Inzicht in enkellaagse perceptrons Verschillen tussen gesuperviseerd en ongecontroleerd leren Leren Feedforward en feedback Neural Networks Voorwaartse en achterwaartse voortplanting begrijpen Lange-kortetermijngeheugen (LSTM) begrijpen Terugkerende onderzoeken 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 worden gebruikt in het bankwezen
- Neurale netwerken Natuurlijke taalverwerking Beeldherkenning Speech Recognition Sentimentele analyse
Onderzoek naar Deep Learning Casestudy's voor het bankwezen
- Antiwitwasprogramma's Know-Your-Customer (KYC)-controles Sanctielijst Monitoring Facturering Fraudetoezicht Risk Management Fraudedetectie Product- en klantsegmentatie Prestatie-evaluatie Algemene compliancefuncties
De voordelen van Deep Learning voor het bankwezen begrijpen
De verschillende deep learning-pakketten voor R Deep Learning in R verkennen met Keras en RStudio
- Overzicht van pakket Keras voor R Het installeren van pakket Keras voor R De gegevens laden met ingebouwde gegevenssets Gegevens uit bestanden gebruiken Dummygegevens gebruiken
Modellen ontwikkelen in de cloud GPU's gebruiken om deep learning te versnellen Deep learning Neural Networks toepassen voor computervisie, spraakherkenning en tekstanalyse.
Samenvatting en conclusie
Requirements
- Basiservaring met R-programmeren
- Algemene bekendheid met financiële en bancaire concepten
- Basiskennis van statistiek en wiskundige concepten
28 Hours