Bank Loan Approval Prediction With Artificial Neural Nets

4.7
звезд

Оценки: 20

от партнера
В этом Проект с консультациями вы:

Understand the theory and intuition behind Deep Neural Networks

Build and train a deep learning model using Keras with Tensorflow 2.0 as a backend.

Assess the performance of trained model and ensure its generalization using various Key performance indicators.

2 hours
Начинающий
Загрузка не требуется
Видео на разделенном экране
Английский
Только для ПК

In this hands-on project, we will build and train a simple deep neural network model to predict the approval of personal loan for a person based on features like age, experience, income, locations, family, education, exiting mortgage, credit card etc. By the end of this project, you will be able to: - Understand the applications of Artificial Intelligence and Machine Learning techniques in the banking industry - Understand the theory and intuition behind Deep Neural Networks - Import key Python libraries, dataset, and perform Exploratory Data Analysis. - Perform data visualization using Seaborn. - Standardize the data and split them into train and test datasets.   - Build a deep learning model using Keras with Tensorflow 2.0 as a back-end. - Assess the performance of the model and ensure its generalization using various Key Performance Indicators (KPIs). Note: This course works best for learners who are based in the North America region. We’re currently working on providing the same experience in other regions.

Навыки, которые вы получите

  • Deep Learning

  • Artificial Intelligence (AI)

  • Machine Learning

  • Python Programming

  • classification

Будете учиться пошагово

На видео, которое откроется рядом с рабочей областью, преподаватель объяснит эти шаги:

  1. Task 1: Understand the problem statement and business case

  2. Task 2: Import Datasets and Libraries

  3. Task 3: Exploratory Data Analysis

  4. Task 4: Perform Data Visualization

  5. Task 5: Prepare the data to feed the model

  6. Task 6: Understand the theory and intuition behind Artificial Neural Networks

  7. Task 7: Build a simple Multi Layer Neural Network

  8. Task 8: Compile and train a Deep Learning Model

  9. Task 9: Assess the performance of the trained model

Как устроены проекты с консультациями

Ваше рабочее пространство — это облачный рабочий стол в браузере. Ничего не нужно загружать.

На разделенном экране видео преподаватель предоставляет пошаговые

Рецензии

Лучшие отзывы о курсе BANK LOAN APPROVAL PREDICTION WITH ARTIFICIAL NEURAL NETS

Посмотреть все отзывы

Часто задаваемые вопросы

Приобретая проект с консультациями, вы получаете все необходимое для его выполнения, включая браузерный доступ к рабочему столу, содержащему папки и программы для начала работы, а также пошаговые видеоинструкции от отраслевого эксперта.

Поскольку ваше рабочее пространство включает облачный рабочий стол, рассчитанный на ноутбук или ПК, проекты с консультациями недоступны на мобильном устройстве.

Преподаватели, ведущие проект с рекомендациями, — это отраслевые эксперты с навыками, инструментами и пониманием темы, которые хотят разделить свои знания с миллионами учащихся по всему миру.

Вы можете скачать и сохранить любой из созданных файлов своего проекта с рекомендациями. Для этого воспользуйтесь функцией "Обозреватель файлов" на облачном рабочем столе.

Средства за проекты с рекомендациями не возвращаются. Ознакомьтесь с полным текстом нашей политики возврата средств.

Финансовая помощь недоступна для проектов с рекомендациями.

Прослушивание недоступно для проектов с консультациями.

В верхней части страницы вы можете нажать уровень опыта для этого проекта с консультациями, чтобы просмотреть предварительные требования к знаниями. Преподаватель проведет вас пошагово по каждому уровню проекта с консультациями.

Да, все необходимое для завершения проекта с рекомендациями будет доступно на облачном рабочем столе. Вы сможете открыть этот рабочий стол в браузере.

Вы научитесь выполнять задания в режиме разделенного экрана непосредственно в браузере. В левой части экрана можно выполнять задания в своем рабочем пространстве. В правой части экрана можно просматривать пошаговые инструкции преподавателя по работе с проектом.