課程簡介

金融大數(shù)據(jù)的積累使得深度客戶洞察和風(fēng)險識別成為可能。根據(jù)筆者的實踐，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)海洋中提取高價值變量，因此往往處于“理想很豐滿、現(xiàn)實很骨干”的狀態(tài)。在大量數(shù)據(jù)面前缺抱怨無數(shù)可用。
整個數(shù)據(jù)挖掘價值鏈中，分為五個階段，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)行策略與實施。其中特征生成對分析技術(shù)的要求最高，既需要對業(yè)務(wù)中模型運用的場景有深入的把握，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。
本課程使用真實場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。
3、為數(shù)據(jù)工程師提供系統(tǒng)架構(gòu)設(shè)計思路。
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、渠道高級經(jīng)理及以上級別

課程大綱