План на курса

Въведение

Разбиране на основите на изкуствения интелект и Machine Learning

разбиране Deep Learning

    Преглед на основните концепции на задълбочено обучение Разграничаване между Machine Learning и задълбочено обучение Преглед на приложенията за задълбочено обучение

Преглед на Neural Networks

    Какво представляват Neural Networks Neural Networks срещу регресионни модели Разбиране на математическите основи и механизмите на обучение Изграждане на изкуствена невронна мрежа Разбиране на невронни възли и връзки Работа с неврони, слоеве и входни и изходни данни Разбиране на еднослойни перцептрони Разлики между контролирано и неконтролирано обучение Обучение напред и обратна връзка Neural Networks Разбиране на разпространението напред и обратно разпространение Разбиране на дългосрочната краткосрочна памет (LSTM) Изследване на повтаряща се Neural Networks на практика Изследване на конволюционна Neural Networks на практика Подобряване на начина Neural Networks Научете

Преглед на техниките за задълбочено обучение, използвани в Finance

    Невронни мрежи Обработка на естествен език Разпознаване на изображения Speech Recognition Сантиментален анализ

Проучване на казуси от задълбочено обучение за Finance

    Ценообразуване Изграждане на портфолио Risk Management Прогноза за възвръщаемост при високочестотна търговия

Разбиране на ползите от задълбоченото обучение за Finance

Изследване на различните Deep Learning пакети за R

Задълбочено обучение в R с Keras и RStudio

    Общ преглед на пакета Keras за R Инсталиране на пакета Keras за R Зареждане на данните чрез вградени набори от данни Използване на данни от файлове Използване на фиктивни данни
Проучване на данните
  • Предварителна обработка на данните Почистване на данните
  • Нормализиране на данните
  • Разделяне на данните в комплекти за обучение и тестове
  • Внедряване на One Hot Encoding (OHE)
  • Дефиниране на архитектурата на вашия модел
  • Компилиране и адаптиране на вашия модел към данните
  • Обучение на вашия модел
  • Визуализиране на историята на обучението на модела
  • Използване на вашия модел за прогнозиране на етикети на нови данни
  • Оценяване на вашия модел
  • Фина настройка на вашия модел
  • Запазване и експортиране на вашия модел
  • Практически: Изграждане на Deep Learning модел за прогнозиране на цената на акциите с помощта на R
  • Разширяване на възможностите на вашата компания
  • Разработване на модели в облака Използване на GPU за ускоряване на задълбочено обучение Прилагане на задълбочено обучение Neural Networks за компютърно зрение, гласово разпознаване и анализ на текст

    Обобщение и заключение

    Изисквания

    • Опит с R програмиране
    • Общо запознаване с финансовите концепции
    • Основно познаване на статистиката и математическите концепции
     28 Hours

    Брой участници



    Цена за участник

    Свързани Kурсове

    Advanced Stable Diffusion: Deep Learning for Text-to-Image Generation

    21 Hours

    Свързани Kатегории