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.
Kursplan
Introduktion
Förstå grunderna för artificiell intelligens och Machine Learning
Förståelse Deep Learning
- Översikt över de grundläggande begreppen för djupinlärning Att skilja mellan Machine Learning och djupinlärning Översikt över tillämpningar för djupinlärning
Översikt över Neural Networks
- Vad är Neural Networks Neural Networks vs regressionsmodeller Förstå matematiska grunder och inlärningsmekanismer Konstruera ett artificiellt neuralt nätverk Förstå neurala noder och anslutningar Arbeta med neuroner, lager och in- och utdata Förstå enskiktsperceptroner skillnader mellan övervakad och oövervakad FeLearning Inlärning och feedback Neural Networks Förstå fortplantning framåt och förökning bakåt Förstå Long Short-Term Memory (LSTM) Utforska återkommande Neural Networks i praktiken Utforska konvolutionell Neural Networks i praktiken Förbättra vägen Neural Networks Lär dig
Översikt över tekniker för djupinlärning som används i Finance
- Neurala nätverk Naturlig språkbehandling Bildigenkänning Speech Recognition Sentimental analys
Exploring Deep Learning Fallstudier för Finance
- Prissättning Portfolio Construction Risk Management Högfrekvent handelsavkastningsförutsägelse
Förstå fördelarna med djupinlärning för Finance
Utforska de olika Deep Learning paketen för R
Deep Learning i R med Keras och RStudio
- Översikt över Keras-paketet för R Installera Keras-paketet för R Ladda data med inbyggda datamängder med data från filer med dummy-data
Utveckla modeller i molnet med hjälp av GPU:er för att påskynda djupinlärning Använda djupinlärning Neural Networks för datorseende, röstigenkänning och textanalys
Sammanfattning och slutsats
Krav
- Erfarenhet av R-programmering
- Allmän förtrogenhet med ekonomikoncept
- Grundläggande förtrogenhet med statistik och matematiska begrepp
28 timmar
