Vielen Dank für Ihre Anfrage! Einer unserer Mitarbeiter wird sich in Kürze mit Ihnen in Verbindung setzen.
Vielen Dank, dass Sie uns Ihre Buchung schicken! 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 des 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
Mathematische Grundlagen und Lernmechanismen verstehen
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
Die Art und Weise des Lernens Neural Networks verbessern
Überblick über Deep Learning Techniken im Bankwesen
-
Neuronale Netze
Verarbeitung natürlicher Sprache
Erkennung von Bildern
Speech Recognition
Sentimentale Analyse
Untersuchung von Deep Learning Fallstudien für das Bankwesen
-
Anti-Geldwäsche-Programme
Know-Your-Customer (KYC)-Prüfungen
Überwachung von Sanktionslisten
Überwachung von Abrechnungsbetrug
Risk Management
Aufdeckung von Betrug
Produkt- und Kundensegmentierung
Leistungsbewertung
Allgemeine Compliance-Funktionen
Die Vorteile von Deep Learning für das Bankwesen verstehen
Erkundung der verschiedenen Deep Learning-Pakete für R Deep Learning in R mit Keras und RStudio
-
Übersicht über das Keras-Paket für R
Installieren des Keras-Pakets für R
Laden der Daten
Eingebaute Datensätze verwenden
Verwenden von Daten aus Dateien
Dummy-Daten verwenden
Entwicklung 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
- Grundlegende Erfahrung mit R-Programmierung
- Grundsätzliche Vertrautheit mit Finanz- und Bankkonzepten
- Grundlegende Vertrautheit mit Statistik und mathematischen Konzepten
28 Stunden