VIP12
本课程属于：043-金融机器学习建模与AutoML 智能金融与金融工程 · 共 12 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

AutoML金融模型自动搜索与比较实战

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=AutoML在金融领域的价值 · 学习目标 · 整体课程框架与实战项目概览
课程导入AutoML
02
金融建模基础
目标=金融数据类型 · 常见任务（分类 · 回归
金融建模基础目标=金融数据类…
03
AutoML核心概念
目标=自动化特征工程 · 超参数优化 · 神经架构搜索
AutoML核心概念
04
金融数据预处理
目标=缺失值处理 · 异常值检测 · 标准化
金融数据预处理目标=缺失值处理
05
特征工程自动化
目标=自动特征生成 · 特征选择 · 降维方法及在金融因子挖掘中的应用
特征工程自动化目标=自动特征生…
06
超参数优化方法
目标=网格搜索 · 随机搜索 · 贝叶斯优化
超参数优化方法目标=网格搜索
07
模型搜索空间设计
目标=常见金融模型（线性模型 · 树模型 · 神经网络
模型搜索空间设计目标=常见金融模…
08
AutoML工具概览
目标=TPOT · Auto-sklearn · H2O
AutoML工具概览
09
基于TPOT的金融模型自动搜索
目标=实战任务 · 参数配置 · 管道生成与结果解读
TPOT基于
10
基于Auto-sklearn的金融分类实战
目标=信用评分 · 欺诈检测案例与性能比较
Auto-sklearn基于
11
基于H2O的金融回归实战
目标=股票价格预测 · 风险价值估计与自动化流程
H2O基于
12
基于PyCaret的快速原型
目标=低代码实现金融模型比较与部署准…
PyCaret基于
13
时间序列AutoML
目标=针对金融时序数据的自动特征提取 · 模型搜索与验证策略
AutoML时间序列
14
多模型比较框架
目标=统一评估标准 · 统计显著性检验 · 业务指标对比与可视化
多模型比较框架目标=统一评估标…
15
模型可解释性
目标=SHAP · LIME · 特征重要性在AutoML金融模型中的…
模型可解释性SHAP
16
自动化模型集成
目标=堆叠 · 投票 · 提升方法在金融预测中的自动搜索与比较
自动化模型集成目标=堆叠
17
金融风控案例实战
目标=基于AutoML的信贷违约预测…
金融风控案例实战AutoML
18
量化投资案例实战
目标=基于AutoML的因子选股与择…
量化投资案例实战AutoML
19
欺诈检测案例实战
目标=不平衡数据下的AutoML模型…
欺诈检测案例实战AutoML
20
模型部署与监控
目标=AutoML模型上线 · API服务 · 性能衰减检测与再训练策略
模型部署监控
21
常见问题与调优
目标=过拟合 · 计算资源限制 · 搜索时间控制与结果复现
常见问题调优
22
AutoML与金融监管
目标=模型可审计性 · 公平性 · 可解释性要求与最佳实践
AutoML金融监管
23
高级主题
目标=元学习 · 迁移学习 · 多目标AutoML在金融场景的应用
高级主题目标=元学习
24
分布式与加速
目标=并行搜索 · GPU加速 · 云平台AutoML服务与成本优化
分布式加速
25
综合项目一
目标=端到端AutoML金融模型搜索…
综合项目一AutoML
26
综合项目二
目标=多资产多任务AutoML流水线…
综合项目二AutoML
27
模型比较实验设计
目标=A/B测试 · 交叉验证 · 统计检验与结果呈现
模型比较实验设计A/B
28
AutoML结果解读与业务决策
目标=如何将搜索结果转化为可执行的金…
AutoML结果解读
29
课程总结与展望
目标=核心知识点回顾 · AutoML未来趋势与持续学习路径
课程总结目标=核心知识点…
30
实战考核
目标=独立完成一个金融AutoML项… · 提交代码 · 报告与模型比较分析
实战考核AutoML