VIP13
本课程属于：042-Point-in-Time研究数据集工程 智能金融与金融工程 · 共 13 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录 咨询 / 购买

# 金融AI与模型工程

共计 30 章节
可可资料掘金营 · 点击在线试看
01
课程导入
目标=金融AI与模型工程的定义 · 发展历程 · 核心价值
课程导入AI
02
金融业务基础
目标=金融市场结构 · 主要产品 · 交易流程
金融业务基础目标=金融市场结…
03
Python与数据科学基础
目标=Python编程 · NumPy · Pandas
Python数据科学基础
04
金融数据与时间序列
目标=金融时间序列特性 · 平稳性 · 自相关
金融数据时间序列
05
机器学习核心概念
目标=监督与无监督学习 · 偏差方差权衡 · 交叉验证
机器学习核心概念目标=监督
06
金融中的监督学习
目标=线性回归 · 逻辑回归 · 决策树
金融监督学习
07
金融中的无监督学习
目标=聚类 · 降维 · 异常检测在客户细分
金融无监督学习
08
深度学习基础
目标=神经网络 · 反向传播 · 激活函数
深度学习基础目标=神经网络
09
序列模型与NLP
目标=RNN · LSTM · GRU
NLP序列模型
10
强化学习与金融决策
目标=马尔可夫决策过程 · Q学习 · 策略梯度
强化学习金融决策
11
模型工程概述
目标=机器学习生命周期 · MLOps · 模型版本管理
模型工程概述目标=机器学习生…
12
特征工程与特征存储
目标=金融特征构造 · 时间窗口特征 · 特征选择
特征工程特征存储
13
模型训练与调优
目标=超参数优化 · 分布式训练 · GPU加速
模型训练调优
14
模型评估与回测
目标=金融回测框架 · 偏差与过拟合 · 前视偏差
模型评估回测
15
模型部署与监控
目标=模型服务化 · REST API · 批处理与流处理
模型部署监控
16
可解释性与公平性
目标=SHAP · LIME · 特征重要性
可解释性公平性
17
风险管理与模型治理
目标=模型风险 · 模型验证 · 压力测试
风险管理模型治理
18
案例实战一
目标=信用评分卡：数据探索 · 特征工程 · 逻辑回归与集成模型
案例实战一目标=信用评分卡
19
案例实战二
目标=量化交易策略：数据获取 · 因子挖掘 · 策略回测
案例实战二目标=量化交易策…
20
案例实战三
目标=智能投顾：客户画像 · 风险偏好评估 · 资产配置
案例实战三目标=智能投顾
21
案例实战四
目标=反欺诈与异常检测：图神经网络 · 序列异常检测 · 实时决策
案例实战四目标=反欺诈
22
案例实战五
目标=金融文本分析：新闻情感 · 财报电话会议 · 社交媒体
案例实战五目标=金融文本分…
23
常见问题与陷阱
目标=数据泄露 · 幸存者偏差 · 非平稳性
常见问题陷阱
24
模型工程最佳实践
目标=代码规范 · 单元测试 · 持续集成与持续部署
模型工程最佳实践目标=代码规范
25
前沿技术专题
目标=大语言模型 · 图神经网络 · 联邦学习
前沿技术专题目标=大语言模型
26
综合项目一
目标=端到端金融AI系统设计 · 数据管道 · 模型选型
综合项目一AI
27
综合项目二
目标=多模型集成与决策系统：模型融合 · 元学习 · 在线学习
综合项目二目标=多模型集成
28
综合项目三
目标=模型风险管理框架：模型清单 · 验证流程 · 持续监控
综合项目三目标=模型风险管…
29
职业发展与伦理
目标=金融AI岗位角色 · 技能要求 · 团队协作
职业发展伦理
30
课程总结与展望
目标=核心知识回顾 · 关键技能梳理 · 未来趋势
课程总结目标=核心知识回…