コース概要

導入

人工知能の基礎と Machine Learning の理解

理解Deep Learning

    ディープラーニングの基本概念の概要 Machine Learning とディープラーニングの区別 ディープラーニングのアプリケーションの概要

Neural Networksの概要

    Neural Networks Neural Networks と回帰モデルとは 数学的基礎と学習メカニズムを理解する 人工ニューラル ネットワークを構築する ニューラル ノードと接続を理解する ニューロン、層、入出力データを操作する 単層パーセプトロンを理解する 教師あり学習と教師なし学習の違い 学習フィードフォワードとフィードバック Neural Networks 順伝播と逆伝播について理解する 長短期記憶 (LSTM) を理解する リカレント Neural Networks を実際に調べる 畳み込み Neural Networks を実際に調べる 方法を改善する Neural Networks 学習する

Finance で使用される深層学習技術の概要

    ニューラル ネットワーク 自然言語処理 画像認識 Speech Recognition 感情分析

Finance のディープラーニングのケーススタディを探る

    価格設定ポートフォリオの構築 Risk Management 高頻度取引のリターン予測

Finance に対するディープラーニングの利点を理解する

R のさまざまな Deep Learning パッケージを探索する

Keras と RStudio を使用した R の深層学習

    Keras Package for R の概要 Keras Package for R のインストール 組み込みデータセットを使用したデータのロード ファイルからのデータの使用 ダミー データの使用
データの探索
  • データの前処理 データのクリーニング
  • データの正規化
  • データをトレーニング セットとテスト セットに分割する
  • ワン ホット エンコーディング (OHE) の実装
  • モデルのアーキテクチャの定義
  • モデルのコンパイルとデータへの適合
  • モデルをトレーニングする
  • モデルのトレーニング履歴の視覚化
  • モデルを使用して新しいデータのラベルを予測する
  • モデルの評価
  • モデルを微調整する
  • モデルの保存とエクスポート
  • ハンズオン: R を使用した株価予測のための Deep Learning モデルの構築
  • 会社の能力を拡張する
  • GPU を使用してディープ ラーニングを高速化するクラウドでのモデルの開発 コンピューター ビジョン、音声認識、およびテキスト分析にディープ ラーニング Neural Networks を適用する

    要約と結論

    要求

    • Rプログラミングの経験
    • ファイナンスの概念に精通していること
    • 統計や数学的概念に関する基本的な知識
      28 時間
     

    参加者の人数


    開始

    完了


    Dates are subject to availability and take place between 10:00 and 17:00.
    Open Training Courses require 5+ participants.

    関連コース

    関連カテゴリー