- An understanding of ___
- Experience with ___
- ___ programming experience
Audience
- ___
- ___
- ___
___ is ___.
This instructor-led, live training (online or onsite) is aimed at beginner-level / intermediate-level / advanced-level ___ who wish to use ___ to ___.
By the end of this training, participants will be able to:
- Install and configure ___.
- ___.
- ___.
- ___.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
培训时长 ：
每日2小时，7次课程，共计14小时。
培训内容：
第一课：AI基础认知与历史发展
目标：建立对AI的基础认知，理解其对投资领域的潜在影响
1.AI概念解析（30分钟）
- 人工智能定义与核心特征（弱AI vs 强AI）
- AI发展简史：图灵测试、达特茅斯会议、三次AI浪潮
- 标志性事件：AlphaGo、ChatGPT、自动驾驶突破
2.AI派别与技术分支（40分钟）
- 符号主义 vs 联结主义 vs 行为主义
- 机器学习、深度学习、生成式AI的区别
3.AI对金融投资的影响（40分钟）
- 量化交易中的算法应用案例
- 股市情绪分析（NLP技术案例）
- 投资风险预测模型演示
4.课堂互动（10分钟）
讨论：AI可能颠覆哪些传统投资分析方式？
第二课：算法核心原理入门
目标：理解主流算法逻辑及其在金融场景的应用价值
1.机器学习基础框架（30分钟）
- 数据、特征、模型的关系图解
- 监督学习（股价预测案例）
- 无监督学习（客户分群案例）
2.神经网络初探（40分钟）
- 神经元与感知机模型（类比投资决策树）
- 深度学习架构示意图解
- 梯度下降算法通俗解释
3.算法应用沙盘推演（40分钟）
- 线性回归预测股价走势（Excel模拟）
- 聚类算法识别市场异动模式
4.课后实践（10分钟）
布置Kaggle简化数据集探索任务
第三课：AI功能体系与应用场景
目标：掌握AI技术栈的实践边界与落地方法论
1.核心功能矩阵（30分钟）
- 预测、分类、生成、优化四大能力域
- 生成式AI在研报撰写中的应用
2.行业应用深度解析（50分钟）
- 金融领域：智能投顾、反欺诈、高频交易
- 市场营销：用户画像、动态定价、广告投放
3.AI实施路线图（30分钟）
问题定义→数据准备→模型选择→迭代优化
失败案例剖析：过度拟合导致投资决策失误
第四课：AI工具生态实战
目标：熟练运用主流工具完成投资分析任务
1.开发框架全景图（40分钟）
- TensorFlow/PyTorch对比（架构图解析）
- AutoML工具：H2O、Google AutoML
2.生成式AI工具链（50分钟）
- ChatGPT金融提示词工程（波动率分析）
- Midjourney生成市场趋势可视化报告
- 开源工具：LangChain构建投资知识库
3.供应商选型指南（20分钟）
- 云服务商对比（AWS SageMaker vs Azure ML）
- 垂直领域解决方案商（Bloomberg GPT等）
第五课：AI数据科学实践
目标：掌握投资分析场景的数据处理全流程
1.数据工程基础（40分钟）
- 金融数据特征工程（技术指标构建）
- 数据清洗实战：处理缺失值与异常波动
2.可视化分析技术（50分钟）
- Matplotlib/Seaborn绘制K线叠加指标
- Power BI构建动态投资仪表盘
3.特征工程工作坊（20分钟）
- 构建多因子选股模型特征集
第六课：AI模型构建与调优
目标：独立完成简单投资预测模型开发
1.端到端建模实验（60分钟）
- 使用Python搭建LSTM股价预测模型
- 模型评估指标：MAE、RMSE、Sharpe比率
2.超参数调优技术（40分钟）
- 网格搜索 vs 随机搜索
- 过拟合防范：交叉验证实操
3.模型解释性提升（20分钟）
- SHAP值解析特征重要性
- 可视化决策边界
第七课：AI发展趋势与投资机遇
目标：把握技术演进方向，构建AI投资思维
1.前沿技术展望（50分钟）
- 多模态大模型对行业研究的重塑
- 联邦学习在合规数据共享中的应用
- 量子计算带来的算法革命
2.伦理与风险管理（30分钟）
- 算法偏见对投资决策的影响
- 监管科技（RegTech）发展动态