Cursul 1
Deep learning pentru afaceri: de la modelele liniare la perceptron și la perceptronul multistrat (MLP)
Prof. dr. Daniel Traian PELE
Academia de Studii Economice din București (ASE), Departamentul de Statistică și Econometrie
Academia Română, Institutul de Prognoză Economică (IPE)
O bancă decide în fiecare zi cui acordă credite, un emitent de carduri ce plăți blochează, un trader cît risc își asumă. Deep learning, ramura inteligenței artificiale (AI) care estimează din date lanțuri lungi de funcții simple, stă acum în spatele multora dintre aceste decizii. Primul curs pornește de la modelele pe care orice analist le cunoaște deja, regresia liniară și regresia logistică, și arată că ele sînt rețele neuronale cu un singur neuron. De aici construim perceptronul lui Rosenblatt, vedem unde eșuează și ajungem la perceptronul multistrat (MLP), rețeaua din spatele tuturor cursurilor următoare.
Toate cifrele de pe această pagină sînt calculate pe date de credit reale și publice: 1 000 de solicitanți din setul German credit, 5 960 de credite garantate cu locuința (HMEQ, home equity) și, pentru o imagine a aproximării funcțiilor, 20 640 de grupuri de locuințe din recensămîntul Californiei. Studiul de caz compară regresia logistică, un MLP și gradient boosting după același protocol, cu mai multe inițializări aleatoare, intervale și costul erorilor, pentru că alegerea unui model într-o bancă este o decizie în condiții de incertitudine, nu o competiție între cifre izolate.