大數(shù)據(jù)和人工智能促進(jìn)銀行的“數(shù)智化”思維轉(zhuǎn)型

=============================================================
《大數(shù)據(jù)/人工智能促進(jìn)銀行的“數(shù)智化 ”思維轉(zhuǎn)型》 ——段方
某世界 100 強(qiáng)大數(shù)據(jù)/AI 總設(shè)計(jì)師 教授 北京大學(xué)博士后
=============================================================
14135907061 “疫情 ”如何變成“機(jī)會(huì) ”？
-------------------------------------------------------------
1.1 歐洲“黑死病 ”的類(lèi)比
1.1.1 黑死病促進(jìn)了文藝復(fù)興
1.1.2 文藝復(fù)興奠定了工業(yè)革命基礎(chǔ)
1.1.3 疫情不僅推動(dòng)“線(xiàn)上、云化、智能 ”
1.2 新冠肺炎“倒逼 ”的人工智能發(fā)展
1.2.1 從“精準(zhǔn)防疫 ”說(shuō)起
1.2.2 基于數(shù)據(jù)的算法提升
1.2.3 AI 變革的肺炎確診模式
1.2.4 “數(shù)智化 ”轉(zhuǎn)型成為趨勢(shì)
1.3 疫情的“持久戰(zhàn) ”應(yīng)對(duì)——數(shù)智化轉(zhuǎn)型
1.3.1 “精準(zhǔn)復(fù)工 ”的必然！
1.3.2 如何識(shí)別“密切接觸者 ”？
1.3.3 疫情加速的“機(jī)器替代人 ”
1.3.4 信息流降低實(shí)體線(xiàn)下依賴(lài)
1.4 數(shù)智化將帶來(lái)哪些改變？
1.4.1 觀念上講發(fā)生的變革？
1.4.2 協(xié)作的形式和內(nèi)涵的變革
1.4.3 技術(shù)升級(jí)的“迫切性 ”
1.4.4 管理理論的“重寫(xiě) ”
1.5 銀行競(jìng)爭(zhēng)力的升級(jí)
1.5.1 從重視“管理 ”升級(jí)到重視“技術(shù) ”
1.5.2 疫情倒逼的技術(shù)升級(jí)
1.5.3 Bank4.0 將加快實(shí)施
1.5.4 開(kāi)放銀行成為趨勢(shì)
1.6 【案例】附件-AI助力新冠肺炎的“精準(zhǔn)防疫 ”
1.7 【討論】紅軍長(zhǎng)征中如何抓住危機(jī)中的“機(jī)遇 ”？——哪些新的方法論？
141351237672 新技術(shù)、新機(jī)遇
-------------------------------------------------------------
2.1 大數(shù)據(jù)的概念
2.2 大數(shù)據(jù)的“ 國(guó)家戰(zhàn)略 ”
2.2.1 國(guó)家戰(zhàn)略的含義？
2.2.2 習(xí)主席的“大數(shù)據(jù)防疫 ”
2.3 數(shù)據(jù)從“資產(chǎn) ”到“要素 ”
2.3.1 從“互聯(lián)網(wǎng)+ ”到“大數(shù)據(jù)* ”
2.3.2 大數(shù)據(jù)思維——“一切皆可量化 ”
2.3.3 如何超越土地等傳統(tǒng)的生產(chǎn)要素？
2.4 互聯(lián)網(wǎng)思維——顛覆你的想法
2.4.1 從傳統(tǒng)商超（銀行）的逐步消亡說(shuō)起。。。
2.4.2 互聯(lián)網(wǎng)改變了什么？
2.4.2.1 線(xiàn)上改變效率
2.4.2.2 數(shù)據(jù)改變智能
2.4.3 大數(shù)據(jù)之后的新思維
2.4.3.1 AI 作為新的“外腦 ”
2.4.3.2 智慧銀行成為可能！
2.5 大數(shù)據(jù)下的人工智能——ALPHAGO 戰(zhàn)勝李世石
2.5.1 人工智能行業(yè)發(fā)展現(xiàn)狀
2.5.1.1 芯片層面 2.5.1.2 算法層面 2.5.1.3 應(yīng)用層面
2.5.1.4 開(kāi)源的深遠(yuǎn)影響
2.5.2 人工智能存在的問(wèn)題及前景
2.5.2.1 人工智能的這一波進(jìn)展有何局限？
2.5.2.2 人工智能會(huì)替代人嗎?
2.5.3 人的價(jià)值將重新評(píng)估
2.5.3.1 不僅替代人類(lèi)肢體，更替代人類(lèi)大腦
2.5.3.2 美國(guó)金融霸權(quán)如何顛覆？
2.5.3.3 美元與盧布的思考！
2.6 人工智能開(kāi)啟“智能時(shí)代 ”！
2.6.1 為什么是深度學(xué)習(xí)？
2.6.1.1 引出
2.6.1.2 與淺層學(xué)習(xí)的區(qū)別 2.6.1.3 原因
2.6.2 什么是“無(wú)監(jiān)督 ”學(xué)習(xí)？
2.6.3 與神經(jīng)網(wǎng)絡(luò)的關(guān)系？
2.7 人工智能滲透到各個(gè)領(lǐng)域
2.7.1 金融領(lǐng)域
2.7.1.1 從精算師說(shuō)起
2.7.1.2 AI 能替代操控哪些銀行業(yè)務(wù)？
2.7.1.3 金融與“算力 ”
2.7.2 教育領(lǐng)域
2.7.2.1 從知識(shí)教育開(kāi)始的變革
2.7.2.2 AIQ 的引出
2.7.3 藝術(shù)領(lǐng)域
2.7.3.1 音樂(lè)
2.7.3.2 繪畫(huà)
2.7.3.3 詩(shī)歌
2.7.4 工程領(lǐng)域
2.7.4.1 無(wú)人駕駛機(jī)械
2.7.4.2 無(wú)人駕駛汽車(chē)
2.7.5 醫(yī)療領(lǐng)域等
2.8 開(kāi)放銀行的大數(shù)據(jù)和人工智能
2.8.1 從“獨(dú)樂(lè)樂(lè)到眾樂(lè)樂(lè) ”
2.8.2 數(shù)據(jù)對(duì)外經(jīng)營(yíng)到能力對(duì)外經(jīng)營(yíng)
2.8.3 FAAS——金融即服務(wù)
2.9 【案例】附件-大數(shù)據(jù)/AI 對(duì)各個(gè)行業(yè)的影響
2.10 【討論】IT 系統(tǒng)建設(shè)花了 30 年，DT/AT 呢？
141351250883 大數(shù)據(jù)下的銀行運(yùn)營(yíng)
-------------------------------------------------------------
3.1 從泰勒經(jīng)濟(jì)學(xué)說(shuō)起
3.1.1 簡(jiǎn)述泰勒經(jīng)濟(jì)學(xué)
3.1.2 數(shù)據(jù)與企業(yè)管理的天然聯(lián)系
3.1.3 讓大數(shù)據(jù)滲透到企業(yè)的每個(gè)毛孔
3.1.4 向數(shù)智化轉(zhuǎn)型要“競(jìng)爭(zhēng)力 ”
3.2 客戶(hù)分析
3.2.1 客戶(hù)的數(shù)據(jù)維度
3.2.2 客戶(hù)征信分析
3.2.3 客戶(hù)視圖分析
3.2.4 客戶(hù)離網(wǎng)分析等
3.3 產(chǎn)品分析
3.3.1 產(chǎn)品數(shù)據(jù)維度
3.3.2 產(chǎn)品視圖分析
3.3.3 產(chǎn)品的潛在客戶(hù)分析
3.3.4 如何優(yōu)化產(chǎn)品？
3.4 精準(zhǔn)營(yíng)銷(xiāo)
3.4.1 營(yíng)銷(xiāo)的本質(zhì)——配對(duì)
3.4.2 精準(zhǔn)營(yíng)銷(xiāo)——數(shù)據(jù)的魅力
3.4.3 營(yíng)銷(xiāo)時(shí)機(jī)、渠道等選擇
3.5 精準(zhǔn)風(fēng)控
3.5.1 2C 和 2B 融合
3.5.2 大數(shù)據(jù)“透明 ”降低風(fēng)險(xiǎn)
3.5.3 算法降低風(fēng)險(xiǎn)
3.5.4 算力提升行業(yè)風(fēng)控能力
3.6 員工的管理
3.6.1 員工的量化分析
3.6.2 大數(shù)據(jù)下的“辦公室分析 ”
3.6.3 員工績(jī)效考評(píng)
3.6.4 如何避免“蒼蠅犯大案 ”
3.7 外部生態(tài)圈的管理
3.7.1 生態(tài)圈的概念
3.7.2 金融企業(yè)的生態(tài)圈
3.7.3 上下游企業(yè)的管理
3.7.4 如何識(shí)別金融欺詐？
3.8 銀行的新“模式 ”
3.8.1 銀行是歷史發(fā)展的產(chǎn)物
3.8.2 技術(shù)不斷驅(qū)動(dòng)銀行變革——BANK4.0
3.8.3 互聯(lián)網(wǎng)改寫(xiě)“ 中介 ”模式
3.8.4 數(shù)據(jù)如何成為銀行的新“要素 ”
3.8.5 人工智能改寫(xiě)風(fēng)控模式
3.8.6 銀行將獲得“新生 ”
3.9 【案例】附件-某企業(yè)的數(shù)據(jù)挖掘應(yīng)用匯編
3.10 【討論】區(qū)塊鏈和人工智能如何助力企業(yè)更上一層樓？
141351237674 大數(shù)據(jù)應(yīng)用開(kāi)發(fā)方法論（可選）
-------------------------------------------------------------
4.1 深度學(xué)習(xí)的方法論有何異同？
4.2 CRISP-DM（CRoss-Industry Standard Process for Data Mining）方法論
4.3 業(yè)務(wù)理解 （Business Understanding）
4.4 數(shù)據(jù)理解 （Data Understanding）
4.5 數(shù)據(jù)準(zhǔn)備 （Data Preparation）
4.6 建模（Modeling）
4.7 評(píng)估（Evaluation）
4.8 部署 （Deployment）
4.9 【案例】附件-數(shù)據(jù)挖掘之外的方法論
141351282425 算法分析基礎(chǔ)
-------------------------------------------------------------
5.1 多維分析方法
5.1.1 OLAP 分析
5.1.2 上鉆和下鉆
5.1.3 用 OLAP 分析問(wèn)題
5.2 機(jī)器學(xué)習(xí)算法
5.2.1 回歸算法
5.2.1.1 線(xiàn)性回歸 5.2.1.2 邏輯回歸
5.2.2 決策樹(shù)算法
5.2.2.1 C4.5 算法
5.2.2.2 CART 算法
5.2.3 貝葉斯算法
5.2.3.1 樸素貝葉斯算法
5.2.3.2 BBN（Bayesian Belief Network）算法
5.2.4 基于核的算法
5.2.4.1 支持向量機(jī) SVM 算法
5.2.4.2 線(xiàn)性判別分析(Linear Discriminate Analysis ，LDA)
5.2.5 聚類(lèi)算法
5.2.5.1 K-MEANS 算法
5.2.5.2 期望最大化算法(Expectation Maximization ， ME)
5.2.6 關(guān)聯(lián)規(guī)則算法
5.2.6.1 Apriori 算法
5.2.7 降低維度算法
5.2.7.1 主成份分析(Principle Component Analysis， PCA)算法
5.2.7.2 偏最小二乘回歸(Partial Least Square Regression ，PLS)算法
5.2.8 集成算法
5.2.8.1 隨機(jī)森林算法
5.2.8.2 梯度推進(jìn)機(jī)
5.3 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)
5.3.1 概念
5.3.1.1 腦神經(jīng)元分析
5.3.2 原理
5.3.2.1 BP 網(wǎng)絡(luò)
5.4 深度學(xué)習(xí)原理
5.4.1 從單層神經(jīng)網(wǎng)絡(luò)到多層神經(jīng)網(wǎng)絡(luò)
5.4.2 深度學(xué)習(xí)的訓(xùn)練過(guò)程
5.4.3 深度學(xué)習(xí)的具體模型及方法
5.4.4 深度學(xué)習(xí)的性能比較
5.4.5 深度學(xué)習(xí)的應(yīng)用
5.5 深度學(xué)習(xí)的意義
5.5.1 改變了傳統(tǒng)人工智能的哪些思維定式？
5.5.2 深度學(xué)習(xí)的無(wú)監(jiān)督學(xué)習(xí)
5.6 【例】附件-機(jī)器學(xué)習(xí)方法在金融行業(yè)應(yīng)用舉例
5.7 【討論】銀行如何借助算法替代人工？
141351237526 大數(shù)據(jù)機(jī)器學(xué)習(xí)案例
-------------------------------------------------------------
6.1 【案例 1】客戶(hù)欺詐分析案例
6.2 【案例 2】某客戶(hù)群體細(xì)分及營(yíng)銷(xiāo)
6.3 【案例 3】人工智能用于營(yíng)業(yè)廳分析的案例
6.4 【案例4】深度學(xué)習(xí)應(yīng)用于客戶(hù)服務(wù)系統(tǒng)案例
141351238107 【附】大數(shù)據(jù)應(yīng)用的方法論——互聯(lián)網(wǎng)思維
-------------------------------------------------------------
7.1 互聯(lián)網(wǎng)思維概述
7.2 用戶(hù)思維
7.2.1 用戶(hù)是誰(shuí)
7.2.2 用戶(hù)需要什么？
7.3 極致思維
7.3.1 產(chǎn)品極致設(shè)計(jì)
7.3.2 服務(wù)的極致
7.4 簡(jiǎn)約思維
7.4.1 產(chǎn)品的簡(jiǎn)約
7.4.2 簡(jiǎn)約的流程
7.5 迭代思維
7.5.1 產(chǎn)品的快速迭代
7.5.2 開(kāi)發(fā)過(guò)程的快速迭代
7.6 流量思維
7.6.1 先有客戶(hù)再有錢(qián)
7.6.2 擴(kuò)展客戶(hù)使用流量
7.7 平臺(tái)思維
7.7.1 APP store 的借鑒
7.7.2 生態(tài)圈的構(gòu)筑
7.8 跨界思維
7.8.1 數(shù)據(jù)的跨界
7.8.2 應(yīng)用的跨界
7.9 數(shù)據(jù)思維
7.9.1 收集數(shù)據(jù)
7.9.2 分析數(shù)據(jù)
7.10 社會(huì)化思維
7.10.1 影響社會(huì)
7.10.2 社會(huì)角度思考
7.11 【案例】附件-互聯(lián)網(wǎng)思維在大數(shù)據(jù)系統(tǒng)中的落地
7.12 【討論】銀行如何借用互聯(lián)網(wǎng)思維？
141351136138 總結(jié)
-------------------------------------------------------------

段方老師的其它課程