求知 文章 文库 Lib 视频 iPerson 课程 认证 咨询 工具 讲座 Model Center   Code  
会员   
 
 
 
开班计划 | 技术学院 | 管理学院 | 嵌入式学院 | 机械 | 军工学院 | 定向培养 | 专家指导  
 电话 English
成功案例   品质保证
成功案例
中航信 数据湖架构原理与应
某医疗磁 数据采集与处理
某科技公 大数据（Hadoo
诺基亚 Python基础
天津电子 Elasticse
中国电信 数据仓库与数据挖掘
某航天科 MySQL性能优化
相关课程  
并发、大容量、高性能数据库
高级数据库架构设计师
Hadoop原理与实践
HBase原理与高级应用
Oracle 数据仓库
数据仓库和数据挖掘
Oracle数据库开发与管理
 
全部课程 >人工智能  
金融行业人工智能与数据挖掘实战
1787 次浏览  31 次
Jimmy
北京信息科技大学 , 图像与语义处理实验室技术专家.
 
时间地点： 北京 上海 深圳根据报名开班
课程费用：5700元/人
报公开课  
企业内训：可以根据企业需求,定制内训,详见 内训学习手册

认证方式：
培训前了解能力模型。
培训后进行能力评测：
  • 在线考试
  • 能力分析，给出学习建议
    • 合格者颁发证书，作为职业技能资格证明
    利用人工智能和数据挖掘，可以有效的改善金融行业的风险、深入的理解客户、挖掘潜在的商机。本课程面向金融行业的数据分析人员，讲解如何使用人工智能和数据挖掘技术，在已有的数据资产中进行商业分析，进而制定有效的商业策略。
    培训对象：金融行业的数据分析师
    学员基础：对人工智能和数据挖掘有基本了解
    授课方式
    学习阶段
    		 难度等级 学习内容 课程安排
    1-自学
    		 初级 《机器学习实战》
    《数据挖掘入门》
    《人工智能》    		 1个月左右的业余时间
    可在两个阶段中间加入测试环节，考核学员自学效果。
    并根据考核情况再判定是否进入下一阶段学习。
    2-讲师授课实操
    		 中高级 详见下方方案 3天的集中学习

     
    培训内容：3天

    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
    • 资产负债表
    • 利润表
    • 现金流表分析
    2.财务指标分析
    • 盈利指标分析
    • 安全性分析
    • 流动性分析
    3.华夏银行网点经营指标分析
    • 盈利性指标
    二、银行网点运营风险预警指标
    1.华夏银行风险指标
    • 利率敏感性指标
    • 贷款净损失率
    • 低质量贷款比例
    2.清偿力指标
    • 核心资本充足率
    • 资产增长率等
    三、银行产品评价指标体系
    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
    • IFB
    • 益普标准
    • 和讯网测评体系
    • 国外评价体系
    2.银行理财产品评价指标体系构建
    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）
    1.案例背景说明
    2.案例数据集介绍
    3.数据预处理
    4.使用FP-Growth进行分析
    5.使用Apriori 进行关联推荐分析
    6.效果评价
    7.推荐商品使用流程介绍
    8.模型优化方式介绍
    三、金融基金商品收益预测模型
    1.如何预测一只股票的价格
    2.基于时间序列的基金收益预测
    3.基于回归分析的基金收益预测
    基于多元非线性回归的基金收益预测
    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
    • 案例背景说明
    • 案例数据集说明v
    • 使用KMeans方法聚类
    • 聚类结果分析：特殊客户群识别
    1)基于RFM的客户价值分析模型
    • RFM介绍
    • 信用卡银行RFM模型介绍
    2)客户未来产品与营销关系费用预测模型
    • 未来产品成本 = 未来购买金额 *（1-CRM毛利率），CRM毛利 = 购买金额
    – 产品成本 – 关系营销费用
    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
     
    ¿
    ֱ
    ѵ
    1787  31
    ˻˿γ
    深度学习与知识图谱最佳实战  6444
    大模型技术剖析及对行业的影响  477
    图像处理算法方法与实践  3352
    多模态、ChatGPT与扩散模型实战  917
    从ChatGPT看AI人工智能的新趋势与应用实践  551
    机器学习和深度学习应用实践指导  1673
    ѵ


    最新活动计划
    MBSE（基于模型的系统工程）4-18[北京]
    自然语言处理（NLP） 4-25[北京]
    基于 UML 和EA进行分析设计 4-29[北京]
    以用户为中心的软件界面设计 5-16[北京]
    DoDAF规范、模型与实例 5-23[北京]
    信息架构建模（基于UML+EA）5-29[北京]