模块一

AI和大数据在金融领域中应用

●  金融风控案例(贷前、贷中、贷后)

●  违约预警

●  风险评估

●  智能催收

●  资产保全

●  贷后监测

●  智能投顾

模块二

金融风控案例实战

●  需求分析

●  业务场景

●  技术架构

●  数据架构

●  图谱的构建过程

●  担保风控

●  资金上下游风控

模块三

数据挖掘技术介绍

●  数据挖掘的概念

●  常用数据挖掘的技术介绍

●  SKlearn

●  Spark mllib

●  常用算法的分类介绍

●  常用算法的应用场景介绍

●  Kmeans算法

●  决策树、随机森林、贝叶斯、逻辑回归算法

模块四

人工智能技术介绍

●  人工智能技术介绍

●  Tensorflow介绍

●  Keras介绍

●  常用人工智能算法应用场景介绍

●  NLP技术介绍和应用场景

●  视觉和图像识别技术介绍

●  图谱的应用场景和技术介绍

模块五

  金融案例实战

●  客户分群实操

●  数据准备和预处理

— 数据的升维和降维

—  去除噪声

—  特征的筛选和提取

—  特征转换

—  数据的缺省值处理

—  特征的分类和合并

—  特征TF-IDF值转换和计算

●  用户分群模型详解

—  数据准备和预处理

—  客户价值分析的步骤与流程

—  RFM模型介绍

—  客户价值分析的关键特征

—  基于Spark   Mllib算法实现

—  模型的测试和优化

●  运行和测试