Programa del Curso

Introducción

Comprender los fundamentos de la inteligencia artificial y Machine Learning

Comprensión Deep Learning

    Visión general de los conceptos básicos del aprendizaje profundo Diferenciación entre Machine Learning y Deep Learning Descripción general de las aplicaciones para el aprendizaje profundo

Descripción general de Neural Networks

    ¿Qué son Neural Networks Neural Networks Modelos de regresión frente a Comprender los fundamentos matemáticos y los mecanismos de aprendizaje Construcción de una red neuronal artificial Comprensión de los nodos neuronales y las conexiones Trabajar con neuronas, capas y datos de entrada y salida Comprensión de los perceptrones de una sola capa Diferencias entre el aprendizaje supervisado y el no supervisado Feedforward y retroalimentación de aprendizaje Neural Networks Descripción de la propagación hacia adelante y hacia atrás Comprensión de la memoria a corto plazo (LSTM) Explorando lo recurrente Neural Networks en la práctica Explorando la convolucional Neural Networks en la práctica Mejorar la forma Neural Networks de aprender

Descripción general de las técnicas de aprendizaje profundo utilizadas en Finance

    Redes neuronales Procesamiento del lenguaje natural Reconocimiento de imágenes Speech Recognition Análisis sentimental

Exploración de casos prácticos de aprendizaje profundo para Finance

    Precios Construcción de Portafolio Risk Management Trading de alta frecuencia Predicción de retorno

Comprender los beneficios del aprendizaje profundo para Finance

Explorando los diferentes paquetes Deep Learning para R

Aprendizaje profundo en R con Keras y RStudio

    Descripción general del paquete Keras para R Instalación del paquete Keras para R Carga de los datos Uso de conjuntos de datos integrados Uso de datos de archivos Uso de datos ficticios
Exploración de los datos
  • Preprocesamiento de los datos Limpieza de los datos
  • Normalización de los datos
  • Dividir los datos en conjuntos de entrenamiento y pruebas
  • Implementación de One Hot Encoding (OHE)
  • Definición de la arquitectura del modelo
  • Compilar y ajustar el modelo a los datos
  • Entrenamiento del modelo
  • Visualización del historial de entrenamiento del modelo
  • Uso del modelo para predecir etiquetas de nuevos datos
  • Evaluación del modelo
  • Ajuste fino del modelo
  • Guardar y exportar el modelo
  • Práctico: Construcción de un modelo Deep Learning para la predicción del precio de las acciones usando R
  • Ampliación de las capacidades de su empresa
  • Desarrollo de modelos en la nube Uso de GPU para acelerar el aprendizaje profundo Aplicación del aprendizaje profundo Neural Networks para la visión artificial, el reconocimiento de voz y el análisis de texto

    Resumen y conclusión

    Requerimientos

    • Experiencia con la programación en R
    • Familiaridad general con los conceptos financieros
    • Familiaridad básica con la estadística y los conceptos matemáticos
    • .
     28 horas

    Número de participantes



    Precio por participante

    Categorías Relacionadas