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 Python 的不同深度學習庫

    TensorFlow 硬

使用 TensorFlow 設置 Python 進行深度學習

    安裝 TensorFlow Python API 測試 TensorFlow 安裝 設置 TensorFlow 進行開發 訓練您的第一個 TensorFlow 神經網路模型

使用 Keras 設定 Python 進行深度學習

使用 Keras 構建簡單的深度學習模型

    創建 Keras 模型 瞭解您的數據 指定深度學習模型 編譯模型 擬合您的模型 使用分類數據 使用分類模型 使用模型

使用 TensorFlow 進行金融深度學習

    準備數據 下載數據 準備訓練數據 準備測試數據 縮放輸入 使用佔位元和變數
指定網路體系結構
  • 使用成本函數
  • 使用優化器
  • 使用初始值設定項
  • 擬合神經網路
  • 構建圖形 推理
  • 損失
  • 訓練
  • 訓練模型 圖表
  • 會議
  • 火車環線
  • 評估模型 構建評估圖
  • 使用 Eval 輸出進行評估
  • 大規模訓練模型
  • 使用 TensorBoard 視覺化和評估模型
  • 動手實踐:使用 Python 構建用於股價預測的深度學習模型
  • 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 Python 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