万本电子书0元读

万本电子书0元读

顶部广告

金融科技人工智能实战:以Python为工具电子书

在金融领域,如何让科技更好的服务于金融,让金融业变得更安全、高效,一直是我国金融业界在研究、探讨和实践的话题。本书就是基于当前火热的人工智能技术服务于金融领域的一次前沿尝试,里面不仅探讨了金融领域从业人员关心的基础知识,还说明了如何利用人工智能技术识别金融欺诈、客户信息的识别、金融安全和金融时间序列,以及金融舆情分析等内容,不失为该行业不可多得的一本书。

售       价:¥

纸质售价:¥57.20购买纸书

99人正在读 | 0人评论 6.2

作       者:张宁,赵亮

出  版  社:电子工业出版社

出版时间:2020-06-01

字       数:10.3万

所属分类: 科技 > 计算机/网络 > 程序设计

温馨提示:数字商品不支持退换货,不提供源文件,不支持导出打印

为你推荐

  • 读书简介
  • 目录
  • 累计评论(0条)
  • 读书简介
  • 目录
  • 累计评论(0条)
本书主要讲解通过深度学习和机器学习知识,在金融领域的应用。如通过大数据分析获客,通过交叉信息采集分析客户的爱好和风险偏好,以及在量化投资中和客户服务中为读者提供相应的技术防范。内容涉及了深度学习技术中的 卷积网络,循环神经网络,注意力模型等,全书案例丰富,操作性强,适合有一定基础知识但想在深度学习领域继续加深实操的用户使用。<br/>【推荐语】<br/>在金融领域,如何让科技更好的服务于金融,让金融业变得更安全、高效,一直是我国金融业界在研究、探讨和实践的话题。本书就是基于当前火热的人工智能技术服务于金融领域的一次前沿尝试,里面不仅探讨了金融领域从业人员关心的基础知识,还说明了如何利用人工智能技术识别金融欺诈、客户信息的识别、金融安全和金融时间序列,以及金融舆情分析等内容,不失为该行业不可多得的一本书。 本书是作者基于正在研究的“金融科技”课题,全力整合的一本专著。该研究课题已经获得中央高校基本科研业务费专项资金、第五批中央财经大学科研创新团队支持计划、*人文社会科学重研究基地重大项目(编号:16JJD790060)等资助。<br/>【作者】<br/>张宁,博士,中央财经大学副教授,闽南师范大学讲座教授,中国保监会偿付能力监管咨询委员会咨询专家,*人文社会科学重研究基地中国精算研究院大数据中心/金融科技中心主任,已经以作者或者通信作者在《中国科学》《计算机科学》《保险研究》《金融发展研究》等期刊发表论文20余篇,出版专著2本,作为副主编出版的《中国保险公司竞争力评价》已经连续出版7年,出版的《保险蓝皮书》连续出版3年。赵亮,北京师范大学副教授,中国指挥与控制学会青年工作委员会委员,央财金融科技书系执行主编,主持国家自然科学基金(天元) 源于超对称的变分问题、参加国家自然科学基金(青年)Moser-Trudinger不等式及预定Q-曲率问题。<br/>
目录展开

前折页

书名页

版权页

推荐语

前言

第1章 金融与金融市场

1.1 认识金融

1.1.1 金融的细分领域

1.1.2 金融研究的核心内容

1.2 货币

1.2.1 货币的内涵与作用

1.2.2 货币的分类

1.2.3 货币制度

1.3 信用

1.3.1 信用的定义

1.3.2 信用的不同层次

1.3.3 信用评价体系与企业

1.4 金融机构

1.4.1 按照地位和功能划分

1.4.2 按照金融机构的管理地位划分

1.4.3 按照是否能接收公众存款划分

1.4.4 按照其他划分

1.5 金融市场

1.5.1 金融市场的分类

1.5.2 金融市场的交易

1.5.3 金融市场的作用

1.5.4 金融市场的参与者和组织形式

1.6 金融衍生品与金融工程

1.7 互联网金融

1.7.1 互联网金融的特征

1.7.2 互联网金融的四种模式

第2章 深度学习的首选语言:Python

2.1 Python语言介绍

2.1.1 Python的设计理念

2.1.2 Python的特点

2.1.3 Python的优点

2.2 Python的安装与使用

2.3 数据类型

2.3.1 数值

2.3.2 布尔型数值

2.3.3 字符串

2.4 变量与运算符

2.4.1 变量

2.4.2 运算符

2.5 函数

2.5.1 函数的定义与调用

2.5.2 函数参数

2.5.3 函数返回值

2.6 模块

2.6.1 from...import语句

2.6.2 常见模块

第3章 构建金融深度学习平台

3.1 算力基础:选择硬件

3.1.1 算力与深度学习云平台

3.1.2 深度学习中算力构建的路线选择

3.2 单精度计算和半精度计算

3.3 算法平台:深度学习平台

3.3.1 安装与设置开发环境

3.3.2 搭建深度学习平台

3.4 代码托管:Git和GitHub

3.4.1 版本控制Git

3.4.2 GitHub的常用操作

第4章 获取金融数据

4.1 金融数据获取

4.1.1 金融数据获取的途径

4.1.2 公开数据平台

4.2 用Python直接获取金融数据

4.2.1 大奖章量化接口

4.2.2 利用Baostock获取股票数据

4.2.3 利用Tushare获取全面金融数据

第5章 识别金融业务中的欺诈行为

5.1 金融欺诈介绍

5.2 欺诈识别

5.2.1 不平衡数据处理

5.2.2 信用卡欺诈识别

5.3 保险欺诈识别

第6章 金融非结构化客户信息识别

6.1 手写信息识别

6.2 图片信息理解

6.3 客户人脸识别

6.3.1 直方图

6.3.2 图像、距离与灰度直方图

6.3.3 人脸识别实践

第7章 金融安全中的深度学习

7.1 金融安全

7.2 RSA加密算法

7.2.1 对称加密体系

7.2.2 非对称加密体系

7.3 验证码识别

7.3.1 利用深度学习训练卷积网络

7.3.2 绘制网络结构图

7.4 票据反模糊与生成式对抗网络

7.4.1 生成式对抗网络

7.4.2 反模糊训练的步骤

第8章 金融时间序列预测中的深度学习

8.1 金融时间序列数据简介

8.1.1 时间序列

8.1.2 金融中的时间序列数据

8.2 传统的时间序列分析方法

8.3 初识循环神经网络

8.4 利用循环神经网络分析比特币价格

8.4.1 获取相应数据

8.4.2 传统分析方法

8.4.3 循环神经网络方法

第9章 金融舆情分析中的深度学习

9.1 宏观金融问题与人工智能

9.1.1 宏观金融学入门

9.1.2 从大数据角度看宏观金融学

9.2 利用舆情进行宏观金融分析

9.2.1 数据的准备

9.2.2 获取关键词趋势

9.3 中文词向量

9.3.1 自然语言处理

9.3.2 独热表示法

9.3.3 分布式表示法

9.4 金融舆情中的情绪判断

第10章 金融客户推荐中的深度学习

10.1 客户分类与评估

10.1.1 聚类的概念

10.1.2 划分法

10.1.3 层次法

10.1.4 密度聚类算法

10.2 推荐系统与深度学习

10.2.1 协同过滤算法

10.2.2 基于内容的推荐算法

10.2.3 基于知识的推荐算法

10.2.4 深度学习对推荐系统的提升

后折页

累计评论(0条) 0个书友正在讨论这本书 发表评论

发表评论

发表评论,分享你的想法吧!

买过这本书的人还买过

读了这本书的人还在读

回顶部