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

Python のさまざまな深層学習ライブラリを探索する

    TensorFlowハード

深層学習用に TensorFlow を使用して Python をセットアップする

    TensorFlow Python API のインストール TensorFlow インストールのテスト 開発用 TensorFlow のセットアップ 最初の TensorFlow ニューラル ネット モデルのトレーニング

深層学習用に Keras を使用して Python をセットアップする

Keras を使用してシンプルな深層学習モデルを構築する

    Keras モデルの作成 データの理解 深層学習モデルの指定 モデルのコンパイル モデルの適合 分類データの操作 分類モデルの操作 モデルの使用

金融向けディープラーニングのための TensorFlow との連携

    データの準備 データのダウンロード トレーニング データの準備 テスト データの準備 プレースホルダーと変数を使用した入力のスケーリング
ネットワークアーキテクチャの指定
  • コスト関数の使用
  • オプティマイザーの使用
  • イニシャライザの使用
  • ニューラルネットワークのフィッティング
  • グラフ推論の構築
  • 損失
  • トレーニング
  • モデルのトレーニング グラフ
  • セッション
  • トレインループ
  • モデルの評価 評価グラフの構築
  • Eval 出力による評価
  • 大規模なモデルのトレーニング
  • TensorBoard を使用したモデルの視覚化と評価
  • ハンズオン: Python を使用した株価予測のための深層学習モデルの構築
  • 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

    • Python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精通していること
      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.

    Price per participant

    関連コース