架構(gòu)師
互聯(lián)網(wǎng)
大數(shù)據(jù)
機(jī)器學(xué)習(xí)
數(shù)據(jù)挖掘
推薦課程
average > 0 ? $model->average . '分' : '10.0分' ?>

金融大數(shù)據(jù)特征工程

常國(guó)珍

前思特沃克(Thoughtworks)軟件技術(shù)有限公司 首席科學(xué)家

ThoughtWorks首席金融數(shù)據(jù)科學(xué)家,北京大學(xué)管理學(xué)博士,中國(guó)大數(shù)據(jù)產(chǎn)業(yè)生態(tài)聯(lián)盟專家委員會(huì)委員,騰訊云最有價(jià)值專家(TVP),建設(shè)銀行數(shù)據(jù)資產(chǎn)管理資深專家。著作《Python數(shù)據(jù)科學(xué):技術(shù)詳解與商業(yè)實(shí)踐》、《用商業(yè)案例學(xué)R語(yǔ)言數(shù)據(jù)挖掘》、《胸有成竹:數(shù)據(jù)分析的SASEG進(jìn)階》等多本著作。擁有15年金融、電信和互聯(lián)網(wǎng)行業(yè)經(jīng)驗(yàn)。在加入ThoughtWorks之前,曾在畢馬威咨詢大數(shù)據(jù)部擔(dān)任總監(jiān)、在中銀消費(fèi)金融數(shù)據(jù)部擔(dān)任高級(jí)經(jīng)理、在百度大數(shù)據(jù)部擔(dān)任算法工程師。現(xiàn)專注于金融行業(yè)的數(shù)據(jù)戰(zhàn)略、數(shù)據(jù)應(yīng)用、數(shù)據(jù)治理和數(shù)字化人才培養(yǎng),同時(shí)提供數(shù)智化客戶運(yùn)營(yíng)和風(fēng)險(xiǎn)管控的解決方案。

ThoughtWorks首席金融數(shù)據(jù)科學(xué)家,北京大學(xué)管理學(xué)博士,中國(guó)大數(shù)據(jù)產(chǎn)業(yè)生態(tài)聯(lián)盟專家委員會(huì)委員,騰訊云最有價(jià)值專家(TVP),建設(shè)銀行數(shù)據(jù)資產(chǎn)管理資深專家。著作《Python數(shù)據(jù)科學(xué):技術(shù)詳解與商業(yè)實(shí)踐》、《用商業(yè)案例學(xué)R語(yǔ)言數(shù)據(jù)挖掘》、《胸有成竹:數(shù)據(jù)分析的SASEG進(jìn)階》等多本著作。擁有15年金融、電信和互聯(lián)網(wǎng)行業(yè)經(jīng)驗(yàn)。在加入ThoughtWorks之前,曾在畢馬威咨詢大數(shù)據(jù)部擔(dān)任總監(jiān)、在中銀消費(fèi)金融數(shù)據(jù)部擔(dān)任高級(jí)經(jīng)理、在百度大數(shù)據(jù)部擔(dān)任算法工程師?,F(xiàn)專注于金融行業(yè)的數(shù)據(jù)戰(zhàn)略、數(shù)據(jù)應(yīng)用、數(shù)據(jù)治理和數(shù)字化人才培養(yǎng),同時(shí)提供數(shù)智化客戶運(yùn)營(yíng)和風(fēng)險(xiǎn)管控的解決方案。

課程費(fèi)用

6800.00 /人

課程時(shí)長(zhǎng)

2

成為教練

課程簡(jiǎn)介

金融大數(shù)據(jù)的積累使得深度客戶洞察和風(fēng)險(xiǎn)識(shí)別成為可能。根據(jù)筆者的實(shí)踐,發(fā)現(xiàn)金融數(shù)據(jù)挖掘的最終模型由業(yè)務(wù)人員高度參與時(shí)的投入產(chǎn)出比是更高的,但是由于業(yè)務(wù)人員的技術(shù)能力有限,難以從浩瀚的數(shù)據(jù)海洋中提取高價(jià)值變量,因此往往處于“理想很豐滿、現(xiàn)實(shí)很骨干”的狀態(tài)。在大量數(shù)據(jù)面前缺抱怨無(wú)數(shù)可用。
整個(gè)數(shù)據(jù)挖掘價(jià)值鏈中,分為五個(gè)階段,分別是構(gòu)建數(shù)據(jù)集市、特征生成、建立模型、模型上線、執(zhí)行策略與實(shí)施。其中特征生成對(duì)分析技術(shù)的要求最高,既需要對(duì)業(yè)務(wù)中模型運(yùn)用的場(chǎng)景有深入的把握,又需要精通各類機(jī)器學(xué)習(xí)和深度學(xué)習(xí)算法,可以從交易時(shí)序、復(fù)雜網(wǎng)絡(luò)、半結(jié)構(gòu)化數(shù)據(jù)中提取用于建模用的結(jié)構(gòu)化寬表。
本課程使用真實(shí)場(chǎng)景下的金融落地案例,從業(yè)務(wù)洞察、算法能力、系統(tǒng)架構(gòu)這三個(gè)維度上搭建起金融特征工程的框架體系。

目標(biāo)收益

1、為銀行的業(yè)務(wù)人員開拓業(yè)務(wù)洞察視野和提供標(biāo)準(zhǔn)化的建模路線圖。
2、為算法工程師提供算法與業(yè)務(wù)的結(jié)合點(diǎn)。
3、為數(shù)據(jù)工程師提供系統(tǒng)架構(gòu)設(shè)計(jì)思路。
4、為有志于從事金融大數(shù)據(jù)的人員提供定位指導(dǎo)和學(xué)習(xí)路線圖。

培訓(xùn)對(duì)象

銀行的業(yè)務(wù)人員
算法工程師、數(shù)據(jù)科學(xué)家
市場(chǎng)、渠道高級(jí)經(jīng)理及以上級(jí)別

課程大綱

一、金融大數(shù)據(jù)和人工智能的行業(yè)應(yīng)用與發(fā)展 1.人工智能的行業(yè)圖譜和行業(yè)發(fā)展割析
2.人工智能結(jié)合大數(shù)據(jù)的金融行業(yè)應(yīng)用案例
3.人工智能在金融領(lǐng)域的應(yīng)用
二、金融大數(shù)據(jù)分析的價(jià)值鏈 1、構(gòu)建數(shù)據(jù)集市
2、特征生成
3、建立模型
4、模型上線
5、執(zhí)行策略與實(shí)施
三、金融數(shù)據(jù)科學(xué)的三大分析范式和八大場(chǎng)景 1、金融行業(yè)中,決策、判別、優(yōu)化的三大分析范式
2、八大分析場(chǎng)景和特征工程的業(yè)務(wù)洞察
3、標(biāo)簽體系框架
四、特征工程的算法框架 1、時(shí)序及空間特征提取及傳統(tǒng)機(jī)器學(xué)習(xí)算法
2、文本特征提取及深度學(xué)習(xí)算法
3、復(fù)雜網(wǎng)絡(luò)特征提取及圖算法
五、金融大數(shù)據(jù)處理能力 1、傳統(tǒng)數(shù)據(jù)庫(kù)產(chǎn)品的局限性
2、Spark在特征工程上的運(yùn)用價(jià)值
3、分布式深度學(xué)習(xí)在特征工程上的運(yùn)用價(jià)值
一、金融大數(shù)據(jù)和人工智能的行業(yè)應(yīng)用與發(fā)展
1.人工智能的行業(yè)圖譜和行業(yè)發(fā)展割析
2.人工智能結(jié)合大數(shù)據(jù)的金融行業(yè)應(yīng)用案例
3.人工智能在金融領(lǐng)域的應(yīng)用
二、金融大數(shù)據(jù)分析的價(jià)值鏈
1、構(gòu)建數(shù)據(jù)集市
2、特征生成
3、建立模型
4、模型上線
5、執(zhí)行策略與實(shí)施
三、金融數(shù)據(jù)科學(xué)的三大分析范式和八大場(chǎng)景
1、金融行業(yè)中,決策、判別、優(yōu)化的三大分析范式
2、八大分析場(chǎng)景和特征工程的業(yè)務(wù)洞察
3、標(biāo)簽體系框架
四、特征工程的算法框架
1、時(shí)序及空間特征提取及傳統(tǒng)機(jī)器學(xué)習(xí)算法
2、文本特征提取及深度學(xué)習(xí)算法
3、復(fù)雜網(wǎng)絡(luò)特征提取及圖算法
五、金融大數(shù)據(jù)處理能力
1、傳統(tǒng)數(shù)據(jù)庫(kù)產(chǎn)品的局限性
2、Spark在特征工程上的運(yùn)用價(jià)值
3、分布式深度學(xué)習(xí)在特征工程上的運(yùn)用價(jià)值

活動(dòng)詳情

提交需求