課程簡介

介紹

瞭解人工智慧的基礎知識和 Machine Learning

瞭解 Deep Learning

    深度學習基本概念概述 區分 Machine Learning 和深度學習 深度學習應用概述

Neural Networks概述

    什麼是 Neural Networks Neural Networks 與回歸模型 瞭解數學基礎和學習機制 構建人工神經網路 了解神經節點和連接 使用神經元、層以及輸入和輸出數據 瞭解單層感知器 監督學習和無監督學習之間的區別 學習前饋和反饋 Neural Networks 瞭解前向傳播和反向傳播 了解長短期記憶 (LSTM) 在實踐中探索復發性 Neural Networks 在實踐中探索卷積 Neural Networks 改進學習方式 Neural Networks

Finance 中使用的深度學習技術概述

    神經網路 自然語言處理 圖像識別 Speech Recognition 情感分析

探索深度學習案例研究 Finance

    定價 投資組合構建 Risk Management 高頻交易 回報預測

瞭解深度學習的優勢 Finance

探索 R 的不同 Deep Learning 包

使用 Keras 和 RStudio 在 R 中進行深度學習

    R 的 Keras 包概述 安裝適用於 R 的 Keras 包 載入數據 使用內置數據集 使用文件中的數據 使用虛擬數據
探索數據
  • 預處理數據 清理數據
  • 規範化數據
  • 將數據拆分為訓練集和測試集
  • 實現熱編碼 (OHE)
  • 定義模型的體系結構
  • 編譯模型並將其擬合到數據
  • 訓練模型
  • 可視化模型訓練歷史記錄
  • 使用模型預測新數據的標籤
  • 評估模型
  • 微調模型
  • 保存和導出模型
  • 動手實踐:使用 R 構建 Deep Learning 股票價格預測模型
  • 擴展公司的能力
  • 在雲中開發模型 使用 GPU 加速深度學習 將深度學習 Neural Networks 應用於計算機視覺、語音辨識和文本分析

    總結和結論

    最低要求

    • 具有 R 程式設計經驗
    • 大致熟悉財務概念
    • 基本熟悉統計學和數學概念
      28 時間:
     

    人數


    開始於

    結束於


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

    相關課程

    課程分類