本學(xué)習(xí)培訓(xùn)實(shí)踐活動與基礎(chǔ)理論并舉，根據(jù)基礎(chǔ)理論解讀，算法論述，實(shí)例分析和編號實(shí)踐活動，及其對全新的人工智能技術(shù)算法的發(fā)展趨勢和網(wǎng)絡(luò)的剖析和詳細(xì)介紹，使學(xué)生不但把握機(jī)器學(xué)習(xí)，人工智能技術(shù)行業(yè)常見算法，并且具備一定的創(chuàng)新性,將我人工智能技術(shù)的前沿和網(wǎng)絡(luò)技術(shù)性.
此外,教師將好幾個(gè)金融機(jī)構(gòu)/金融業(yè)/商業(yè)保險(xiǎn)的機(jī)器學(xué)習(xí)的新項(xiàng)目和經(jīng)典案例,開展萃取和提煉出,編造了IronBank實(shí)例,便于將前幾天的模型串連起來,根據(jù)TensorFlow程序編寫實(shí)踐活動,將人工智能技術(shù)運(yùn)用到學(xué)生的具體信貸業(yè)務(wù)中,更為接近學(xué)生的日常事務(wù).
終實(shí)踐活動中的業(yè)務(wù)流程數(shù)據(jù)信息復(fù)雜多變,環(huán)境模擬數(shù)據(jù)信息可能簡單化或歪曲業(yè)務(wù)流程難題,因此此次學(xué)習(xí)培訓(xùn)的數(shù)據(jù)信息都來自于抗過敏以后的業(yè)務(wù)流程數(shù)據(jù)信息,便于學(xué)生可以將所教無縫拼接運(yùn)用到具體工作上.
部分:人工智能技術(shù)和機(jī)器學(xué)習(xí)概述
1人工智能化和機(jī)器學(xué)習(xí)概述
人工智能技術(shù)發(fā)展歷程
應(yīng)用領(lǐng)域概述：如圖像識別技術(shù)，文本分析，算法
近期成效概述：如增強(qiáng)學(xué)習(xí)，生成式對抗網(wǎng)絡(luò)，根據(jù)低動能的互聯(lián)網(wǎng)，one-shotleaning
軟件框架概述，如sparkML，sklean，tensorflow，caffe，Theano
第二一部分:算法與模型學(xué)習(xí)培訓(xùn)
1線性重歸模型
根據(jù)圖型形象化展現(xiàn)線性回歸算法
線性回歸算法詳細(xì)說明—成本函數(shù)和主要參數(shù)升級涵數(shù)
設(shè)備是如何學(xué)習(xí)?--梯度下降算法詳細(xì)描述
學(xué)的“快”和“好”--學(xué)習(xí)率的衡量與佳實(shí)踐
維持同樣的“起跑點(diǎn)”的神器-FeatureScaling
多自變量線性回歸模型詳細(xì)介紹
2邏輯回歸
邏輯回歸模型和情景概述
線形匪類器與離散系統(tǒng)支持向量機(jī)
激活函數(shù)的多種多樣挑選
costfunction的轉(zhuǎn)變
三人工神經(jīng)網(wǎng)絡(luò)
從邏輯回歸到人力神經(jīng)網(wǎng)絡(luò)
感知器模型
多層感知器
深層神經(jīng)網(wǎng)絡(luò)
設(shè)計(jì)方案深層神經(jīng)網(wǎng)絡(luò)的佳實(shí)踐
4卷積和神經(jīng)網(wǎng)絡(luò)CNN
卷積和神經(jīng)網(wǎng)絡(luò)歷史時(shí)間
AlexNet,ResNet,googleNet詳細(xì)介紹
卷積層詳細(xì)介紹
池化層
全連接層
DropOut正則化
常見主要參數(shù)詳細(xì)介紹和CNN優(yōu)化
5循環(huán)系統(tǒng)神經(jīng)網(wǎng)絡(luò)RNN
RNN運(yùn)用概述
時(shí)間序列分析LSTM模型
自然語言理解解決基本
雙重RNN與深層RNN
RNN完成實(shí)例
6異常檢測算法
出現(xiàn)異常的主觀因素
伽馬分布與異常檢測算法
異常檢測算法詳細(xì)介紹
怎樣對異常檢測算法開展評定
第三一部分:IronBank實(shí)例實(shí)踐活動
1實(shí)例詳細(xì)介紹
IronBank(鐵金庫)的收益和盈利持續(xù)下降,遭遇極大的挑戰(zhàn),高管科學(xué)研究后發(fā)覺下列三個(gè)難題是元兇:
1)高使用價(jià)值顧客的流動率升高
2)透支卡詐騙頻率升高
3)個(gè)人信用貸款毀約率升高
IT部選用TensorFlow創(chuàng)建機(jī)器學(xué)習(xí)模型來處理該難題
2TensorFlow詳細(xì)介紹
Tensorflow詳細(xì)介紹
撰寫個(gè)TensorFlow程
3透支卡詐騙檢驗(yàn)
1)數(shù)據(jù)采集,數(shù)據(jù)預(yù)處理
2)創(chuàng)建異常檢測模型,鑒別透支卡詐騙
3)模型的點(diǎn)評和調(diào)優(yōu)
4預(yù)測分析借款顧客是不是將毀約
1)搜集借款顧客的特點(diǎn)數(shù)據(jù)信息
2)應(yīng)用神經(jīng)網(wǎng)絡(luò)算法,創(chuàng)建顧客毀約個(gè)人行為模型
3)模型的點(diǎn)評和調(diào)優(yōu)
5卷積和神經(jīng)網(wǎng)絡(luò)鑒別顧客
1)搜集顧客的圖型數(shù)據(jù)信息
2)選用經(jīng)典的卷積和神經(jīng)網(wǎng)絡(luò),鑒別進(jìn)到營業(yè)網(wǎng)點(diǎn)的顧客
3)對高使用價(jià)值客戶開展客戶關(guān)系維護(hù)和目的性的營銷
地理位置 Location
