課程簡介
隨著機器學習、語音/圖像識別、知識圖譜等核心技術的發(fā)展，人工智能正在重構金融科技公司的服務業(yè)態(tài)。通過數(shù)據(jù)與技術驅動的理念，加速了金融科技的業(yè)務流程加速向智能化演進。從如何實現(xiàn)精準獲客、營銷，到促進客戶在業(yè)務流程中的轉化，再到通過對數(shù)據(jù)各個維度的深度挖掘從而實現(xiàn)風險控制、高精度的識別欺詐用戶和欺詐團伙，最終將渠道的風險反饋回渠道投放的決策中，從而形成了數(shù)據(jù)與產品的閉環(huán)。提高了數(shù)據(jù)與場景的深度融合，更加優(yōu)化了用戶在產品中體驗。本次課程將帶你探索數(shù)據(jù)科學與機器學習，在金融科技實際業(yè)務場景中應用的流程，結合智能營銷、智能反欺詐等實際業(yè)務，介紹如何利用數(shù)據(jù)驅動增長的實踐。
目標收益
了解數(shù)據(jù)科學在金融科技領域里的價值
了解金融科技領域真實的數(shù)據(jù)科學流程和考慮方面
了解信用模型搭建中多種挑戰(zhàn)的解決方案
培訓對象
研發(fā)工程師、數(shù)據(jù)分析師、算法工程師、數(shù)據(jù)挖掘工程師、數(shù)據(jù)工程師、數(shù)據(jù)科學家等技術同學，以及對機器學習、數(shù)據(jù)科學、數(shù)據(jù)驅動等感興趣的同學。
課程大綱
| 業(yè)務場景 |
1.1互聯(lián)網(wǎng)金融業(yè)務介紹 1.2機器學習可應用的業(yè)務場景 1.3機器學習在系統(tǒng)中的應用與架構 1.3.1 系統(tǒng)架構 1.3.2 分析建模 1.3.3 離線 1.3.4 實時 |
| 數(shù)據(jù)科學實踐 |
2.1 數(shù)據(jù)驅動精細化運營 2.1.1 標簽庫 2.1.2 事件 2.1.3 DMP平臺 2.1.4 營銷工具 2.2 智能反欺詐 2.2.1 特征工程 ?數(shù)據(jù)采集與特征挖掘 ?特征有效性/穩(wěn)定性評估 ?遷移學習、主動學習、表征學習 ?知識圖譜的應用 2.2.2 模型策略 ?LR ?RF ?GBRT ?Ensemble ?深度學習的應用 2.2.3 規(guī)則引擎 2.24 團伙挖掘 ?社區(qū)發(fā)現(xiàn)算法 ?團伙監(jiān)控 2.2.5 調查平臺 |
| 實現(xiàn)流程 |
3.1 敏捷開發(fā)項目制 3.2 形成數(shù)據(jù)反饋閉環(huán) 3.3 一些工作感悟 |
|
業(yè)務場景 1.1互聯(lián)網(wǎng)金融業(yè)務介紹 1.2機器學習可應用的業(yè)務場景 1.3機器學習在系統(tǒng)中的應用與架構 1.3.1 系統(tǒng)架構 1.3.2 分析建模 1.3.3 離線 1.3.4 實時 |
|
數(shù)據(jù)科學實踐 2.1 數(shù)據(jù)驅動精細化運營 2.1.1 標簽庫 2.1.2 事件 2.1.3 DMP平臺 2.1.4 營銷工具 2.2 智能反欺詐 2.2.1 特征工程 ?數(shù)據(jù)采集與特征挖掘 ?特征有效性/穩(wěn)定性評估 ?遷移學習、主動學習、表征學習 ?知識圖譜的應用 2.2.2 模型策略 ?LR ?RF ?GBRT ?Ensemble ?深度學習的應用 2.2.3 規(guī)則引擎 2.24 團伙挖掘 ?社區(qū)發(fā)現(xiàn)算法 ?團伙監(jiān)控 2.2.5 調查平臺 |
|
實現(xiàn)流程 3.1 敏捷開發(fā)項目制 3.2 形成數(shù)據(jù)反饋閉環(huán) 3.3 一些工作感悟 |
近期公開課推薦
