项目五人工智能与金融金融科技基础
认识人工智能01任务一项目五人工智能与金融
人工智能的概念1人工智能是指研究理解和模拟人类智能、智能行为及其规律的一门学科。人工智能的目标是可以制造出智能的机器，尤其是智能的计算机程序的科学和工程。——ArtificialIntelligence简单的说就是让机器像人一样思考与工作的技术。
人工智能的概念1人工智能按实力强弱分类专注于且只能解决特定领域问题1弱人工智能可以胜任人类所有工作有与人类一致的认知和感知级别2强人工智能所有领域都比最聪明的人类大脑聪明很多3超人工智能目前的人工智能都是弱人工智能
人工智能的要素2算法人工智能背后的推动力量目前主流的算法是机器学习算法算力算力是算法和数据的基础设施。数据实现人工智能的首要因素是数据一切智慧物体的学习资源让计算机获得智能的钥匙是大数据
人工智能的发展历程3
理解机器学习方法02任务二项目五人工智能与金融
机器学习的概念1传统的记账体系一般由单一的中心节点完成记账机器学习是旨在研究和构建可以从数据或者环境中学习的算法，目的是要从有限的观测数据中学习（或“猜测”）出具有一般性的规律，并可以将总结出来的规律推广应用到未观测样本上。——MachineLearning简单的说就是让机器也会学习。
机器学习的概念1传统算法数据+规则→答案只要我们把数据和模型交给计算机，计算机就能运算出结果。但设定规则建造模型本身就是一件费时费力的事情。在解决实际问题的时候所需的算法往往太复杂。机器学习答案+数据→规则机器学习可以从输入的数据和输出的结果中总结规律，找到最优模型
机器学习的模式2NO.01监督学习监督学习使用带有标签的数据训练机器学习模型，得到一个最优假设，这样就能使用模型对未知数据进行处理和预测。NO.02非监督学习非监督学习算法在接受无标签数据的前提下，得到基于这些数据的假设，并使该假设对未知数据进行处理和预测。NO.03半监督学习同时利用带有标签的数据和无标签的数据进行模型训练的方式，称作半监督学习。半监督学习分为弱监督学习、一次性学习和零次性学习。设想一下，你会如何教会计算机分辨汽车与摩托车？……+强化学习聚类、EM算法、主成分分析法回归、分类
机器学习的模式2强化学习并不使用上述范式的数据形式，而是通过智能主体与环境连续交互的过程，学习最优行为策略。与监督学习和非监督学习必须有训练数据不同，强化学习可以不需要任何数据就完成学习，或者可以说它学习的数据是自己与环境不断互动中产生的。强化学习
机器学习的模式2在帮助计算机建立学习模式时，深度学习不需要人工将某一具体领域的知识转化为以简单数据表示的特征值，其主要目的是从数据中自动学习到有效的特征表示。深度学习就是从数据中学习一个“深度模型”所需要的一种学习方法，是将原始的数据特征通过多步的特征转换得到一种特征表示，并进一步输入到预测函数得到最终结果。它是机器学习算法的一种深度学习主要模型是神经网络模型
机器学习的模式2人工智能中各项技术的分类与关系
人工智能的金融应用分析03任务二项目五人工智能与金融
应用在金融行业的人工智能关键技术1123456生物特征识别技术在金融领域的应用场景包括远程开户、账户管理、支付确认等生物特征识别通过知识图谱技术构建的产业链图谱是赋能金融机构智能投研的重要工具知识图谱在身份识别、智能营销、智能客服、智能理赔、智能运营等多个场景已实现技术落地智能语音人脸识别、票据识别、场景识别等技术的应用取代了原有的重复人工作业，并升级出更高效、便捷的客户交互方式计算机视觉自然语言处理技术往往与语音技术相结合，创造出更加智能的客户交互模式自然语言处理金融业是目前RPA的主要应用领域之一，RPA因为其在重复性工作处理上的高适用性被应用在金融业的多个领域机器人流程自动化RPA
人工智能在金融行业的应用2
人工智能在金融行业的应用2智能营销01智能理赔05智能客服02智能风控06智能投顾03智能运营07智能投研04
人工智能在金融行业的应用2智能营销中国工商银行将某医院为营销切入点开展资金流分析。经分析，与其资金往来密切的下游两家公司资金流入量大，且资金往来交易对手大部分为工行账户，具有较大潜在营销价值，通过这种直观的资金流关系分析方式，让客户经理精准发现潜在客户，并为拓户提供抓手和依据利用知识图谱和NLP等人工智能技术金融机构可以将自身储存的大量客户信息，不仅可以通过深度数据分析转化为营销资源，还可以根据用户画像实现精准的营销定位并且在此基础上深挖客户潜在需求，极