Programa do Curso

Introdução

Compreendendo os fundamentos da inteligência artificial e Machine Learning

Compreensão Deep Learning

    Visão geral dos conceitos básicos de aprendizado profundo Diferenciando entre Machine Learning e aprendizado profundo Visão geral de aplicativos para aprendizado profundo

Visão geral de Neural Networks

    O que são Neural Networks Neural Networks vs modelos de regressão Compreendendo os fundamentos matemáticos e mecanismos de aprendizagem Construindo uma rede neural artificial Compreendendo nós neurais e conexões Trabalhando com neurônios, camadas e dados de entrada e saída Compreendendo os perceptrons de camada única Diferenças entre aprendizagem supervisionada e não supervisionada Aprendizagem Feedforward e feedback Neural Networks Compreendendo a propagação direta e a retropropagação Compreendendo a memória longa e de curto prazo (LSTM) Explorando o recorrente Neural Networks na prática Explorando o convolucional Neural Networks na prática Melhorando a maneira Neural Networks Aprenda

Visão geral das técnicas de aprendizado profundo usadas em Finance

    Redes Neurais Processamento de Linguagem Natural Reconhecimento de Imagem Speech Recognition Análise Sentimental

Explorando estudos de caso de aprendizagem profunda para Finance

    Construção de portfólio de preços Risk Management Previsão de retorno de negociação de alta frequência

Compreendendo os benefícios do aprendizado profundo para Finance

Explorando os diferentes Deep Learning pacotes para R

Aprendizado profundo em R com Keras e RStudio

    Visão geral do pacote Keras para R Instalando o pacote Keras para R Carregando os dados usando conjuntos de dados integrados Usando dados de arquivos usando dados fictícios
Explorando os dados
  • Pré-processando os dados Limpando os dados
  • Normalizando os dados
  • Dividindo os dados em conjuntos de treinamento e teste
  • Implementando One Hot Encoding (OHE)
  • Definindo a arquitetura do seu modelo
  • Compilando e ajustando seu modelo aos dados
  • Treinando seu modelo
  • Visualizando o histórico de treinamento do modelo
  • Usando seu modelo para prever rótulos de novos dados
  • Avaliando seu modelo
  • Ajustando seu modelo
  • Salvando e exportando seu modelo
  • Prática: Construindo um modelo Deep Learning para previsão de preços de ações usando R
  • Ampliando as capacidades da sua empresa
  • Desenvolvendo modelos na nuvem usando GPUs para acelerar o aprendizado profundo Aplicando aprendizado profundo Neural Networks para visão computacional, reconhecimento de voz e análise de texto

    Resumo e conclusão

    Requisitos

    • Experiência de programação em R
    • Familiaridade geral com conceitos financeiros
    • Familiaridade básica com estatística e conceitos matemáticos
      28 horas
     

    Cursos Relacionados

    Categorias Relacionadas