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.
Programa del Curso
Introducción
Comprender los fundamentos de la inteligencia artificial y Machine Learning
Comprensión Deep Learning
- Resumen de los conceptos básicos de Deep Learning
- Diferenciando entre Machine Learning y Deep Learning
- Descripción general de las aplicaciones para Deep Learning
Descripción general de Neural Networks
- ¿Qué son Neural Networks
- Neural Networks Modelos de regresión vs
- Comprensión de Mathematical Fundamentos y 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
- Descripción de los perceptrones de una sola capa
- Diferencias entre el aprendizaje supervisado y el no supervisado
- Feedforward de aprendizaje y retroalimentación Neural Networks
- Descripción de la propagación hacia adelante y hacia atrás
- Comprensión de la memoria a corto y largo 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
Resumen de Deep Learning Técnicas utilizadas en la banca
- Neural Networks
- Procesamiento del lenguaje natural
- Reconocimiento de imágenes
- Speech Recognition
- Análisis Sentimental
Explorando Deep Learning Estudios de Caso para la Banca
- Programas contra el lavado de dinero
- Comprobaciones de conocimiento del cliente (KYC)
- Seguimiento de la lista de sanciones
- Supervisión de fraude de facturación
- Riesgo Management
- Detección de fraudes
- Segmentación de productos y clientes
- Evaluación del desempeño
- Funciones generales de cumplimiento
Comprender los beneficios de Deep Learning para la banca
Explorando las diferentes Deep Learning bibliotecas para Python
- TensorFlow
- Keras
Configuración de Python con TensorFlow para Deep Learning
- Instalación de la API TensorFlow Python
- Prueba de la instalación TensorFlow
- Configuración TensorFlow para el desarrollo
- Entrenamiento de su primer TensorFlow modelo de red neuronal
Configuración de Python con Keras para Deep Learning
Construcción de modelos simples Deep Learning con Keras
- Creación de un modelo Keras
- Comprensión de los datos
- Especificación del modelo Deep Learning
- Compilación del modelo
- Ajuste a su modelo
- Trabajar con los datos de clasificación
- Trabajar con modelos de clasificación
- Uso de sus modelos
Trabajar con TensorFlow para Deep Learning para la banca
- Preparación de los datos
- Descarga de los datos
- Preparación de los datos de entrenamiento
- Preparación de los datos de prueba
- Escalado de entradas
- Uso de marcadores de posición y variables
- Especificación de la arquitectura de red
- Uso de la función de coste
- Uso del optimizador
- Uso de inicializadores
- Ajuste de la red neuronal
- Construyendo el grafo
- Inferencia
- Pérdida
- Adiestramiento
- Entrenamiento del modelo
- El grafo
- La sesión
- Bucle de tren
- Evaluación del modelo
- Construcción del gráfico de evaluación
- Evaluación con Eval Output
- Modelos de entrenamiento a escala
- Visualización y evaluación de modelos con TensorBoard
Práctico: Construcción de un Deep Learning modelo de riesgo de crédito utilizando Python
Ampliando las capacidades de su empresa
- Desarrollo de modelos en la nube
- Uso de GPUs para acelerar Deep Learning
- Aplicación de Deep Learning Neural Networks para Computer Vision, reconocimiento de voz y análisis de texto
Resumen y conclusión
Requerimientos
- Experiencia con Python programación
- Familiaridad general con los conceptos financieros y bancarios
- Familiaridad básica con la estadística y los conceptos matemáticos.
28 horas
