学习费用：面议
课时安排：1-2天，6小时/天
主讲老师：曲融
课程简介：全面掌握金融科技的生态环境 全面理解金融科技基础设施体系 深入理解云上银行的智能风控与智能营销 深入理解 云上银行的数据分布式架构体系
【课程收益】
² 全面掌握金融科技的生态环境
² 全面理解金融科技基础设施体系
² 深入理解云上银行的智能风控与智能营销
² 深入理解 云上银行的数据分布式架构体系
【课程对象】银行高管、企业高管、银行部门负责人、银行战略研究负责人，银行科技条线负责人，银行科技条线工作人员
【课程特色】实战派风格、针对性强、追求“落地”文化
【课程时长】6-12小时
【课程大纲】
模块一 金融数据挖掘概述
n 数据挖掘技术在金融领域的应用现状
n 金融科技的主要应用场景分析
n 数据挖掘技术在金融业务分析中的作用
n 金融数据挖掘系统架构
n 金融数据挖掘的过程
模块二 基于Python的金融数据挖掘方法
n Python的编程环境
l Anaconda，Jupeter Notebook，Spyder
l Scikit-learn库的安装和导入
n 应用Pandas进行数据处理
l 数据的导入和导出
l Pandas数据结构
l Pandas绘图基础
l Pandas数据处理
l 金融数据处理综合应用举例
n 应用Pandas进行统计分析
l 金融数据的常用统计计算
² 单列数据运算，双列数据的相关性运算
l 金融数据的描述统计
² 单列数据的频数统计
² 多列数据的列联表分析
² 数据描述的可视化
l 金融数据的推断统计
² 推断统计基础
² 基于样本均值的推断统计
² 基于样本方差的推断统计
² 样本的非参数检验
n 应用Python进行数据挖掘
l 基于金融数据的回归分析
² 线性回归，逻辑回归
l 基于金融数据的有监督学习
² 有监督学习简介
² KNN分类器
² 朴素贝叶斯分类器
² 决策树分类器
l 集成学习算法
² 集成学习算法简介
² Bagging集成学习算法
² Adaboost集成学习算法
模块三 金融数据挖掘在银行场景的应用举例
n 金融数据挖掘在零售银行信用风险管理中的应用
l 银行风险管理概述
l 申请风险评分模型与应用分析
l 行为风险评分模型与应用分析
l 欺诈风险评分模型与应用分析
n 金融数据挖掘技术在客户关系管理中的应用
l 客户生命周期管理概述
l 基于数据挖掘的客户细分与客户营销
l 基于数据挖掘的客户关系分析与管理
n 金融数据挖掘技术在巴塞尔资本协议下的银行风险计量中的应用
l 巴塞尔资本协议下的风险计量概述
l 风险计量中的数据挖掘算法
l 数据挖掘技术在巴塞尔风险计量中的实践案例
