曙海教学优势
本课程面向企事业项目实际需要,秉承二十一年积累的教学品质,金融行业人工智能与数据挖掘实战培训课程以项目实现为导向,老师将会与您分享设计的全流程以及工具的综合使用技巧、经验。线上/线下/上门皆可,金融行业人工智能与数据挖掘实战培训课程专家,课程可定制,热线:4008699035。
大批企业和曙海
建立了良好的合作关系,合作企业30万+。曙海的课程培养了大批受企业欢迎的工程师。曙海的课程在业内有着响亮的知名度。
金融科技中的数据科技在经营分析中的作用 | 一、银行地区经营评价指标 a)中国银行网点经营评价指标体系介绍 1.财务报表分析
1.华夏银行风险指标
商业银行理财产品评价指标体系 1.我国现有商业银行理财产品评价体系比较
3.层次分析方法 4.晨星评估法 5.收益状况 6.安全性分析 7.流动性分析 8.发展行竞争力分析 9.专业性分析等 |
金融行业人工智能与机器学习案例研讨-金融用户贷款违约判断与关联销售 | 一、金融用户贷款违约判断与分析(分类算法)-贷后违约分析 上午:11.00-12.00 1.案例背景说明 2.案例数据集介绍 3.数据预处理 4.使用随机森林进行用户贷款违约分析 5.使用GDBT进行用户贷款违约分析 6.使用Adaboost进行用户贷款违约分析 7.模型间的对比:GBDT,随机森林,Adaboost 8.模型效果验证 9.模型上线流程实现 10.模型评价与回归测试 二、金融基金商品关联推荐(关联应用) |
金融行业人工智能与机器学习案例研讨-客户生命周期管理 | 一、机器学习在金融客户生命周期管理的应用 1)金融客户生命周期管理理论介绍 2)金融客户生命周期管理中使用的机器学习算法介绍 二、金融客户价值分析案例研讨 1)客户价值分析的地位与作用 2)基于聚类技术的客户价值分析模型
三、金融客户消费模式分析案例研讨 1)消费模式分析所需要用到的数据 2)消费模式分析过程与方法论 3)用户画像基础理论 4)银行用户画像的构建方法 5)影响个人消费的因素分析 用户流失分析 |
第二阶段 机器学习基础算法 | 1. 逻辑回归算法原理,推导 2. 逻辑回归代码实现 3. 多分类问题解决方案 4. 一对一分类,一对多分类 5. 决策树算法模型 6. 熵原理,信息增益 7. 决策树构建 8. 决策树代码实现 9. 贝叶斯算法原理 10. 贝叶斯代码实现 11. 实例1:使用贝叶斯分类器打造拼写检查器 12. 实例2:垃圾邮件分类任务
|
第三阶段 机器学习进阶算法 | 1. Adaboosting算法原理 2. Boosting机制,优势分析 3. 自适应增强算法代码实现 4. 实例:使用集成算法改进泰坦尼克号预测 5. 线性支持向量机算法原理推导 6. 支持向量机核变换推导 7. SMO求解支持向量机 8. SMO算法代码实现 9. 随机森林算法原理 10. 使用随机森林衡量选择特征标准 11. 实例:使用随机森林改进泰坦尼克获救预测 12. 聚类算法综述 13. K-MEANS与DBSCAN算法讲解 |
第四阶段 机器学习实战项目 | 1. HTTP日志流量数据分析 2. 特征提取 3. 预处理,归一化 4. 分类解决方案 5. 聚类解决方案 6. 二分图,转移矩阵原理 |
第五阶段 深度学习基础 | 1. 人工智能深度学习历史发展及简介 2. 得分函数 3. 损失函数 4. 正则化 5. Softmax分类器原理 6. 最优化问题 7. 梯度下降 8. 反向传播 |
第六阶段 深度学习进阶 神经网络 | 1. 神经网络原理 2. 激活函数 3. 深入神经网络细节 4. 感受神经网络的强大 5. 实例:神经网络代码实现并与线性分类对比
|
第七阶段 深度学习核心 卷积神经网络 | 1. 卷积神经网络的强大 2. 卷积神经网络详解-卷积层 3. 卷积神经网络详解-池化层 4. 卷积神经网络详解-全连接层 5. 卷积效果实例 |
第八阶段 深度学习网络架构 | 1. 经典神经网络实例(ALEXNET,VGG)详解 2. RNN与LSTM记忆网络 3. 数据增强,网络设计,参数初始化 4. 级联模式网络结构分析-人脸检测算法分析 5. 序列化网络结构分析-人体姿态识别算法分析 6. 深度残差网络 7. PRISMA如何实现风格转换 8. Faster-rcnn物体检测框架原理详解 |
第九阶段 深度学习框架CAFFE详解 | 1. CAFFE框架简介 2. 配置文件结构 3. 制作LMDB格式数据源 4. 训练网络模型 5. 超参数设置 6. 数据预处理方案 7. 训练网络技巧 |
第十阶段 深度学习项目实战人脸检测 | 1. 人脸检测数据收集 2. 制作正负样本给定标签 3. 制作LMDB数据源 4. 使用CAFFE训练人脸检测网络 5. 代码实现人脸检测模型 |