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
Utforska data
  • Förbearbetning av data Rengöring av data
  • Normalisering av data
  • Dela upp data i tränings- och testset
  • Implementera One Hot Encoding (OHE)
  • Definiera arkitekturen för din modell
  • Sammanställa och anpassa din modell till data
  • Träna din modell
  • Visualisera modellträningshistoriken
  • Använda din modell för att förutsäga etiketter för nya data
  • Utvärdera din modell
  • Finjustera din modell
  • Spara och exportera din modell
  • Hands-on: Bygga en Deep Learning modell för aktieprisprediktion med R
  • Utöka ditt företags kapacitet
  • 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
     

    Antal deltagare


    Starts

    Ends


    Dates are subject to availability and take place between 09:30 and 16:30.
    Open Training Courses require 5+ participants.

    Relaterade Kurser

    Relaterade Kategorier