(2人评价)
人工智能商业实战应用:金融知识图谱构建与实战【企业内训现场实录】

企业内训现场实录、人工智能算法+自然语言处理+金融知识图谱

价格 ¥ 499.00
课程介绍
Davin讲师:
上海交通大学博士,英特尔亚太研发中心负责人,机器学习,数据挖掘,统计推理。上海市类脑计算和机器智能重点实验室。擅长大数据场景下,机器学习算法库和分布式 Python、R 语言产品研发工作,并将其应用于金融行业的建模分析工作中。专注于金融科技领域,对自然语言处理及知识图谱和精准营销有着丰富的行业与实战工作经验。曾以企业导师的身份开展上海应用技术大学暑期骨干教师大数据和人工智能培训 及上海交通大学计算机硕士课程 “金融服务计算” 客座讲师
经验:
1、星环信息科技(上海)有限公司 机器学习研发经理 主要负责大数据场景下,机器学习算法库和分布式 Python、R 语言产品研发工作,并将其应用于金融行业的建模分析工作中。参与设计和部署了多家金融机构的数据挖掘产品和案例,其中包括信贷风险监控、理财产品推荐、担保链图谱分析、欺诈检测、精准营销分析、自然语言处理、知识图谱构建等。

 

2、英特尔亚太研发中心 软件工程师 主要负责机器学习算法的开发优化,感知计算应用开发,大数据平台软件性能调优等工作。
科研(一):
1、金融担保网络风险分析 国家自然科学基金项目 针对日益复杂的金融担保网络,使用深度学习与可视化分析技术,对网络的风险传播和违约模式进行建模分析,从而实现信贷风险管理和预警以及对风险担保模式的挖掘。

 

2、金融时间序列信号的表征和模式挖掘 国家重点基础研究发展计划(973 计划) 针对标普 500 和沪深 300 成员股的历史股价信息,使用因子模型和张量分解方法,学习股票时序信号之间的相似性特征和隐含模式。
科研(二):
1、Prediction Defaults for Networked-guarantee Loans(ICPR 2018)

2、Visual Analytics for Loan Guarantee Network Risk Management(PacificVis 2018)

3、Learning Temporal Relationship among Financial Signals (ICASSP 2018)

4、Credit Card Fraud Detection Using Convolutional Neural Networks. (ICONIP 2015)

5、High Accuracy Eye Tracking on Mobile Devices Using Haar Cascade Classifier and Connect

6、Region Detection. (ICCSAI 2013).

7、Patent: 机器学习模型之间进行转换的方法和设备 No: CN106022483A

8、Patent: 基于跨域迁移深度网络的产品推荐方法和系统 No: CN107609116A

Book: 《IT 行业求职指南》电子工业出版社 ISBN: 9787121154942. 当当网 98%好评。
 

 

此课程的背景是一个金融知识图谱的大项目,用于构建A股公司的知识图谱,并基于知识图谱提供语义搜索、智能问答等服务。 课程中用到神经网络、深度学习、图数据库、NoSQL数据库、自然语言处理等多个方面的技术,每个章节有独立的项目代码联系,配合培训导师的数据集,能够深入理解和掌握知识图谱的构建和实战。在课程最后的综合实践课程中,更可以对所学内容获得系统性的复习和巩固。

 

  1. 熟悉知识图谱的构建过程
  1. 熟悉自然语言处理的流程
  1. 熟悉深度学习和机器学习的基本算法及其在金融知识图谱中的应用
  1. 熟悉图数据库的设计、部署和使用
  1. 熟悉NoSql数据库的设计、部署和使用
  1. 熟悉语义搜索和智能问答应用系统的搭建

适用人群

有一定的数据挖掘和机器学习的基础。
有一定的Python知识(其他编程语言特别强的也可以)。

 

第一章:知识图谱概述
本章主要介绍知识图谱的基本概念,知识图谱是“新瓶装旧酒”吗?知识图谱中所需要的机器学习、深度学习算法,主要存在的困难,知识图谱与自然语言处理,深度学习等人工智能主流领域的关系

第二章:亲手搭建A股公司的知识图谱
沪深股市上市公司知识图谱介绍
该金融知识图谱构建流程
分布式爬虫搭建
自然语言处理过程
知识的抽取、存储和表示
知识的推理、搜索和问答

第三章:知识图谱中的关键技术一: 知识图谱存储
图数据库概述与优缺点
图查询语言与典型使用场景
知识图谱的可视化表示
课程实践练习与答疑

第四章:知识图谱中的关键技术二: 自然语言处理概述
语料的重要性概述
统计自然语言处理方法:词袋模型、TF-IDF、LDA
词向量模型Word2Vec
深度循环网络RNN和LSTM
注意力机制的原理和方法
课程实践练习与答疑

第五章:知识图谱中的关键技术三: 命名实体识别
命名实体识别技术概述
规则 字典 HMM CRF
深度网络BiLSTM + CRF
命名实体识别的评价方法
课程实践练习与答疑

第六章:知识图谱中的关键技术四: 关系提取
实体中的关系有哪些
构建抽取关系的训练语料
几种常用的关系抽取方法
课程实践练习与答疑

第七章:知识图谱中的关键技术五: 知识推理
什么叫做知识推理
知识推理的经典方法:归纳演绎
表示学习和知识推理
课程实践练习与答疑

第八章:知识图谱中的关键技术六: 语义搜索
基于搜索的数据库的设计
海量文本语义搜索系统搭建
课程实践练习与答疑

第九章:知识图谱中的关键技术七: 智能问答
智能问答系统概述
问题语义解析和信息抽取
向量建模和注意力机制
课程实践练习与答疑

第十章:课程项目实践和代码批阅
大项目现场实践与代码批阅答疑

 

 

授课教师

学途无忧网合作讲师

课程特色

视频(71)
下载资料(2)