Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Schulungsübersicht
Einführung
Die Grundlagen der Künstlichen Intelligenz verstehen und Machine Learning
Verstehen Deep Learning
- Überblick über die Grundkonzepte von Deep Learning mit Unterscheidung zwischen Machine Learning und Deep Learning. Überblick über Anwendungen für Deep Learning
Übersicht über Neural Networks
- Was sind Neural Networks Neural Networks vs. Regressionsmodelle? Mathematische Grundlagen und Lernmechanismen verstehen. Aufbau eines künstlichen neuronalen Netzwerks. Neuronale Knoten und Verbindungen verstehen. Mit Neuronen, Schichten sowie Eingabe- und Ausgabedaten arbeiten. Einschichtige Perzeptrone verstehen. Unterschiede zwischen überwachtem und unüberwachtem Lernen. Learning Feedforward und Feedback Neural Networks Vorwärtsausbreitung und Rückausbreitung verstehen Langes Kurzzeitgedächtnis (LSTM) verstehen Rekurrentes erforschen Neural Networks in der Praxis Faltung Neural Networks in der Praxis erforschen Den Weg verbessern Neural Networks Lernen
Überblick über Deep-Learning-Techniken, die in Finance verwendet werden
- Neuronale Netze, Verarbeitung natürlicher Sprache, Bilderkennung Speech Recognition Sentimentale Analyse
Erkundung von Deep-Learning-Fallstudien für Finance
- Preisgestaltung Portfoliokonstruktion Risk Management Renditeprognose für den Hochfrequenzhandel
Die Vorteile von Deep Learning verstehen für Finance
Erkundung der verschiedenen Deep Learning Pakete für R
Deep Learning in R mit Keras und RStudio
- Übersicht über das Keras-Paket für R. Installieren des Keras-Pakets für R. Laden der Daten mithilfe integrierter Datensätze. Verwendung von Daten aus Dateien. Verwendung von Dummy-Daten
Entwickeln von Modellen in der Cloud mithilfe von GPUs zur Beschleunigung von Deep Learning. Anwendung von Deep Learning Neural Networks für Computer Vision, Spracherkennung und Textanalyse
Zusammenfassung und Schlussfolgerung
Voraussetzungen
- Erfahrungen mit der R-Programmierung
- Grundsätzliche Vertrautheit mit Finanzkonzepten
- Grundlegende Vertrautheit mit Statistik und mathematischen Konzepten
28 Stunden