历史搜索

  • {{item}}

    • 热门搜索

  • {{item}}

课程简介

市面上的金融公司分类有：拥有独立信贷业务的互联网金融公司、金融数据商、外包导向的金融科技公司、银行、金融性质的国企等等。随着互金行业的逐步成熟，风控的门槛越来越高，人工智能技术应用的场景也越来越多。

为了更好的适应企业需求，七月在线诚邀融汇金信共同开设本金融AI高级实训营，融汇金信拥有国内首个自动化建设的产业投资知识图谱和数据图谱，致力于应用知识+深度学习的智能技术解决金融预测、风险控制和投资服务等领域问题。

本高级实训营在七月在线原有金融就业前三期的基础上：

  • 继续维持大量细分场景下的已落地建模方案，以及由大厂专家手把手带你搭建属于自己的、可重复利用的、自动化工业化机器学习框架之外；
  • 全面优化大纲，新增time series modeling、NLP、graph ML、graph DL、anti-fraud detection、outlier detection、Interpretable Machine Learning等领域相关内容以及不同技术所致力于解决的风控方向的业务问题等；
  • 新增Kaggle IEEE交易反欺诈项目，且优化项目阶段的完整流程：从数据挖掘与探察，特征工程与关键技术选型、到模型调优、模型评估等；

更于12月上旬全面升级，融汇金信特新增如下两个新项目：

    a.企业财务预测和风险分析

    b.新闻事件的多空识别和预警

一切为了学员学的更好，最终更好的就业、转型、提升。

面向群体： 本课程适合已经在做AI的进一步在职提升，比如在职上班族跳槽涨薪/升职加薪，采用严格筛选制（通过率不到1/3），需要具备一定的基础能力才能报名通过，故以下同学优先：

  • 985或211高校的CS、数学理工科相关专业的应届或往届研究生
  • 已有一定的AI在职开发经验，比如正在公司做AI想在职提升
  • 已有一定的AI项目经验，比如学过七月在线的机器学习集训营

实战项目

企业项目

  • 企业项目一

    信贷准入模型

    项目描述：风控领域的经典模型，在整个场景下应用非常广泛。选取目前业内最好的建模方法，辅以课上讲解的不均衡学习、弱监督学习等等方法，构建真实的信用评级模型。 涉及技术：准入评分卡（A卡）、不均衡学习、弱监督学习、广义线性模型、梯度提升树、序列模型。

  • 企业项目二

    Kaggle IEEE交易反欺诈

    项目描述：IEEE-CIS 在各种人工智能和机器学习领域开展研究工作，包括深度神经网络、模糊系统、进化计算和群体智能等。在kaggle的ieee-cis fraud detection中，他们与世界领先的支付服务公司Vesta Corporation 合作，寻求最佳的交易反欺诈解决方案。其中，数据来自 Vesta 的真实电子商务交易，包含从设备类型到产品功能等广泛的特征。

    涉及技术：在本次比赛中，我们将从传统的机器学习和图机器学习以及图深度学习的角度出发，来解决交易反欺诈的问题。

  • 企业项目三

    融汇金信-公司财务预测和风险预警

    项目描述：对企业未来的财务营收进行预测是投资分析和估值预测的重要方法，同时也辅助我们从基本面的角度来预知财务风险。传统的方法需要依靠大量的分析师进行企业调研和访谈工作，然后基于客观经验来对企业未来进行粗略估计。受限于人力和人们的认知水平，我们只能对少部分企业进行财务面的估计，而且误差较大。

    本项目通过财务数据分析，结合产业关系，来对企业未来的财务情况进行自动预测，取得了与分析师相似的预测误差。

    涉及技术：特征分析和特征工程、时间序列、集成学习模型。

  • 企业项目四

    融汇金信-新闻事件的多空识别和预警

    项目描述：金融市场受到金融事件的直接影响，资讯事件是财务数据和基本面之外驱动市场变化的直接因素。2019年，中国很多企业的变化都可以从之前发生的资讯事件中找到端倪，自动化的多空预警成为当时市场的热点，国内的金融科技供应商也都纷纷提供了对市场利好和利空的自动和半自动识别和预警工具。本项目通过监督学习和自然语言处理的方法，对市场新闻资讯进行对大盘、行业和公司的自动化的粗细粒度的多空分析，从而达到90-95%以上的识别准确率，辅助投资者第一时间发现资讯面的投资机会和风险预警。

    涉及技术：自然语言处理、深度学习模型（循环神经网络、transformer等）和迁移学习等，在实践中应用弱监督学习快速进行数据标注，应用迁移学习来减轻对数据标的依赖，同时保持预测的准确性。

实训项目

  • {{item.title}}

项目介绍

{{item.dec1}}

讲师团队

  • 汪老师
    金融风控算法研发

    厦门大学通信工程本科，香港大学数据科学硕士，主要从事金融行业风控算法相关的工作，参加过国内外各种类型的数据竞赛并获得多次TOP，熟悉机器学习、自然语言处理、时间序列、图算法和图深度学习等多个领域在金融风控行业的应用。知乎id：马东什么

  • 罗彤博士
    融汇金信CEO

    15年应用AI的产业经验，始终活跃在AI研发第一线。曾率领团队开发语义搜索Uptake，被纽约时报、readwriteweb评为全球十大语义搜索应用，曾领导团队研发出国内首个覆盖财经全部细分领域、涵盖上千万关系的知识和数据图谱，并应用于金融预测、风险分析、金融产品智能营销、投研对话机器人和智能投研报告等产品中。

  • 陈博士
    七月在线AI Lab负责人兼科学家

    历任浪潮集团数据科学家，国家电网人工智能行业应用方向团队负责人。参与过一国家863项目，且曾主持一山东省自主创新及成果转化专项，发明专利十余项，专业论文十余篇。对机器学习、NLP相关技术的原理推导，以及深度学习在能源、通信、气象等传统行业的应用深有研究。

课程安排

  • 第一部分 报名审核

    申请学员（以下简称学员）填写报名申请表并附上简历，电话或远程面试通过后，才视为报名成功，然后学员和七月在线（以下简称机构）双方签订培训合同。

  • 第二部分 内容安排

    课程开始前，提供预习视频预习，课程开始后，每周安排直播、录播、实训、答疑，然后每两周考试一次，顺利通过阶段考试的学员，才能进入下一阶段的学习。未能通过考核的重新学习，做查漏补缺。

    第一阶段 金融AI行业概览与大数据生态圈

    在线视频：金融AI的行业应用概览

    在线视频：信贷风控系统概述

    • 1-各风控环节、方法及其意义
    • 2-内部和外部常见数据概览

    在线实训：单变量数据分析与数据可视化，与利用决策树算法做风控规则挖掘

    在线视频：信贷业务架构与业务分析

    • 1-风险流程体系详解
    • 2-模型梳理与算法选型
    • 3-常用指标解析与业务分析案例

    在线视频：额度模型与风控策略

    • 1-银行额度模型与风险定价
    • 2-风控策略（以现金贷、消费金融为例）
    • 3-实用建模思路与模型较准

    在线视频：Hive详解(数据读取、预处理、特征工程)

    • 1-大数据基础
    • 2-Hql之增、删、查、改实战
    • 3-偏斜与查询优化

    在线直播：信贷评分卡详解

    • 1-准入评分卡（A卡）、行为评分卡（B卡）、催收评分卡（C卡）和反欺诈评分卡(F卡)
    • 2-A卡的作用和意义；
    • 3-A卡的完整构建流程（从好坏客户的定义到模型部署和上线）
    • 4-B卡的作用和意义
    • 5-B卡的完整构建流程
    • 6-简要介绍C卡和F卡

    在线直播：pyspark详解与Sql详解（数据预处理、特征工程）

    • 1-pyspark的基本应用、特征处理、优化方法
    • 2-pyspark之ml、mllib以及xgboost和lightgbm的分布式解决方案
    • 3-pyspark SQL之增、删、查、改实战，和性能优化
    • 4-pyspark的Dataframe和pandas的DataFrame

    第二阶段 风控中的特征工程

    在线视频： 特征工程（上）

    • 1-数据预处理与可视化
    • 2-数值、文本、时间型变量处理
    • 3-特征筛选
    • 4-自动化特征工程与featuretools

    在线视频：特征工程（下）

    • 1-基于时间序列的变量衍生方法
    • 2-基于时间序列数据的自动特征工程与tsfresh
    • 3-结合业务的变量筛选方法
    • 4-特征处理（binning、woe、极值优化等）

    在线视频：信贷特征衍生与筛选

    • 1-运营商变量深度挖掘
    • 2-业务特征筛选思路
    • 3-用户画像案例解析
    • 4-企业级用户画像构建方法与案例介绍

    在线直播：基于时序数据的特征工程方法总结

    • 1-连续型序列数据与离散型序列数据
    • 2-基于统计学的序列数据处理方法和katz，sktime等常用工具
    • 3-基于深度学习的序列数据处理方法
    • 4-风控中的各类embedding技巧介绍——gensim、fse、flair、huggingface 、transformer、bert等工具介绍

    在线直播：序列模型在评分卡中的应用

    • 1-概念与使用解析
    • 2-常用变量梳理
    • 3-时序建模（传统的机器学习算法、LSTM、CNN、Attention、Transformer等）
    • 4-实战案例：通过时间序列分类来制作一个行为评分卡

    第三阶段 机器学习与NLP技术

    在线视频：逻辑回归评分卡

    • 1- 逻辑回归原理详解
    • 2-参数详解与调参优化
    • 3-评分映射与模型评价

    在线实训： 构建传统银行风控评分卡

    在线视频： 集成算法

    • 1-从DT到RandomForest
    • 2-XGBoost、LightGBM、Catboost
    • 3-模型的参数与调优

    在线实训：利用集成算法构建风控模型

    在线视频：必须掌握的树模型原理与应用

    • 1-决策树与boosting
    • 2-XGBoost与LightGBM

    在线直播：可解释机器学习总结

    • 1-当前的常见可解释性方法总结
    • 2-Shapley Value
    • 3-lime
    • 4-部分依赖图
    • 5-feature importance、null importance、permutation importance
    • 6-度小满的子评分集成思路

    在线直播：基于NLP的风控应用

    • 1-风控中的文本特征
    • 2-基于统计学的NLP处理方法
    • 3-基于深度学习的NLP处理方法
    • 4-内容反欺诈和自然语言处理建模

    在线实训：通过一个小比赛学会风控中的文本特征处理的套路

    第四阶段 高级金融风控实战与图计算

    在线视频： 迁移学习实战

    • 1-冷启动项目
    • 2-常见迁移学习模型解析

    在线实训 : 用迁移学习优化项目的冷启动问题

    在线视频： 拒绝推断技术详解

    • 1-半监督学习介绍
    • 2-模型偏差问题
    • 3-拒绝演绎方法详解

    在线视频： 不均衡学习实战

    • 1-不均衡学习介绍
    • 2-金融风控场景的样本不均衡
    • 3-下探、标签分裂、拒绝演绎、采样

    在线实训 ：基于插值思想解决样本不均衡问题

    在线直播：反欺诈与异常检测

    • 1-反欺诈场景解析与总结
    • 2-不同场景下常用技术解决方案的总结
    • 3-反欺诈业务流程介绍
    • 4-异常检测技术总结
    • 5-基于neo4j的反欺诈项目
    • 6-实战案例-使用不同的异常检测方法来完成信用卡欺诈检测

    在线直播：图机器学习和图深度学习

    • 1-Graph ML和Graph DL的概述与应用；
    • 2-基于Graph ML的图数据应用；
    • 3-基于Graph Embedding的图数据应用；
    • 4-基于Graph Neural Network的图数据应用
    • 5-图数据库和图计算引擎；
    • 6-图的python单机工具和分布式计算框架
    • 7-实战案例-使用图算法来完成Kaggle IEEE 比赛

  • 第三部分 实战项目

    第一阶段 项目背景与特征工程

    在线直播：项目1 信贷准入模型背景与介绍、特征工程解析

    在线直播：项目2 Kaggle IEEE欺诈检测模型背景与介绍、特征工程、异构和同构图两种graph的构建（重点）

    第二阶段 模型构建

    在线直播：项目1 特征与模型精细化调整，学习使用时序技术辅助处理风控问题

    在线直播：项目2 graph常用工具介绍与使用、基于graph的特征提取与端到端的应用

    第三阶段 模型调优与模型评估

    在线直播：项目1 特征选择技术、bad case分析（重点）、模型评估与文档撰写

    在线直播：项目2 图算法和图深度学习应用总结、特征选择、bad case分析、Kaggle IEEE项目的模型评估等

    第四阶段 财务预测项目的整体流程

    在线直播：项目3 公司财务预测和预警的背景和介绍、特征工程和特殊值的处理

    在线直播：项目3 特征与模型的调优、基于错误分析的模型调整和模型分析

    第五阶段 新闻预警项目的整体流程

    在线直播：项目4 新闻事件的多空识别和预警、语言表示、词向量和深度学习模型

    在线直播：项目4 应用深度学习模型和迁移学习进行多空预测、应用弱监督学习进行快速标注，提高建模的速度，模型的性能调优

    第六阶段 自动化策略分析与迁移学习项目实战

    在线直播：项目5 自动化保险理赔模型特征工程、模型的调优、评估等全流程实战

    在线直播：项目6 自动化策略分析引擎背景与介绍，常用规则变量梳理和分箱和自动策略组合

    在线直播：项目7 迁移学习项目背景与冷启动流程、多模型融合迁移实现与风控模型部署流程

  • 第四部分 面试求职

    针对特定方向的定制化项目，进行项目与简历的最终调整与完善。然后安排名企面试官模拟面试与内推，面试与反馈迭代，最终帮助学员成功拿到offer。

    第一阶段 项目总结与就业辅导

    在线直播： 风控两大项目的总结与就业辅导

    • 1-项目总结与评估
    • 2-简历的优化与调整：如何把课程项目写进简历里，需要突出哪些技术点、如何确定评估指标

    在线直播： 融汇金信两大项目的总结与就业辅导

    • 1- 项目3 公司财务预测和风险预警和项目4 新闻事件的多空识别和预警 项目总结
    • 2-简历的优化与调整：如何把课程项目写进简历里，需要突出哪些技术点、如何确定评估指标

    第二阶段 面试辅导与内推

    • 1-内推包括且不限于互联网名企
    • 2-跟踪每一个学员的就业动态，辅导每一次面试遇到的问题
    • 注：实战项目会根据市场环境，学员综合情况动态调整。

就业面经

软开+数据分析+金融风控背景：GET明星制造业公司行研岗offer

“一定要好好看课程，每一句都要听，尤其是老师临时补充的一定要记录，然后自己总结再重看课程查缺补漏。 最重要的有两点：一是自己动手做，二是练习根据问题把答案说出来，熟能生巧。”

完整面经>

海归应届毕业算法面经：同时拿到蚂蚁和新浪微博的30万offer

“等你看完了七月上传统机器学习和深度学习的网课（小编注：该同学还报了就业班），再去看之前我提到的三本算法圣经，一定会给你更好的理解。”

完整面经>

金融风控面经：我是如何一步步拿到蚂蚁金服offer的

“最棒的是助教杜老师人也非常的nice，非常高效的帮忙解决了很多问题，使我成长不少。之后陆续投了几家家公司，最后去了蚂蚁集团，做风控相关的策略岗位，也基本完成了当时报名的目标。”

完整面经>

三非本科面风控方向经历

“本人是双非院校非计算机专业本科，报了风控小班，但在职忙基本没跟，课程直播完了闲了才集中时间花了半个来月看完。跟课程好处就是学习内容相对成体系，少走弯路。”

完整面经>

金融风控面经：分享我被问到的60多个面试题

“原本不是金融行业背景，转行过来所以面试中基本没有问过特别深的业务问题，所以总结的都是机器学习相关的问题以及我碰到的代码题”

完整面经>

秋招金融科技/风控方向面经

“面试环节，我被问的比较多的是写在简历上的一个评分卡项目，是金融就业小班的第一个项目。这个需要事先演练一下，需要熟悉整个从数据处理到模型筛选变量到提升测试集结果以及最后评分卡构建流程，由于里面细节比较多，熟练度不够的话，有时紧张可能会说漏掉一些环节，所以还是面试之前要反复演练，做到烂熟于心。”

完整面经>

转行金融风控面经：常见面试题汇总

“面试遇到的一些问题，都比较基础，金融风控相对来说比较看重业务，所以面试的时候会对项目细节及业务考察较细”

完整面经>

传统行业数据分析转行金融风控建模

“做了三年的数据分析师，个人觉得成长较慢，希望能进入更大的平台，所以报名了七月小班，受制于特殊时期，大多为电话面试，在这里将面试中遇到的问题做了个整理。”

完整面经>

京东风控建模/算法面经：对业务的理解能力很重要

“因为上就业班就会开通vip，大部分的编程、机器/深度学习面试题，在七月上都能找到答案，并且因为解释的很通俗，学习起来鸭梨会小很多。 编程就《剑指offer》和牛客网，一起来。风控算法/模型大部分岗位 对业务理解和经验 是高于 编程能力的，所以考察的不会太深。 跟着七月在线的金融就业班，大致的项目上不会有什么问题。”

完整面经>

时间安排

一个半月的学习周期（包括录播、实训、答疑、考试），一个半月的项目和就业周期，且配备全职科学家、全职助教、全职就业老师辅助讲师进行课程答疑、项目辅导、简历指导、就业内推。

课程咨询

咨询老师
课程全新升级，咨询可优惠

报名加送：《新VIP[包全平台一年AI初级课和一年GPU]》

免费试听 立即报名 开始学习
尚未开课，开课后立即上传课程～

{{blessingTip}}

{{seconds}}s

您有1个待支付尾款的课程
再不支付就要过期了！
点击查看

大模型与具身智能开发商

关于我们
加入我们
七月在线科技©2015-2022 · ICP证：京B2-20180320 · 京ICP备15036064号-2