2023年，注定是不平凡的一年。随著(zhe)我國(guó)疫情防控政策優化和經(jīng)濟循環恢複，宏觀經(jīng)濟企穩向(xiàng)好(hǎo)勢頭逐漸穩固。然而，國(guó)際經(jīng)濟環境的迅速變化，經(jīng)濟金融形勢和商業銀行業務模式持續演變，金融業也正在經(jīng)曆一場前所未有的變革。“無科技，不金融”已成(chéng)爲金融業的共識和行動。

3月，國(guó)務院印發(fā)《數字中國(guó)建設整體布局》，組建國(guó)家數據局，數字化轉型已經(jīng)成(chéng)爲了國(guó)家級戰略，數字化經(jīng)濟時代的步伐已經(jīng)勢不可擋。

在這(zhè)樣(yàng)的背景下，我們也看到了人工智能(néng)的蓬勃發(fā)展。ChatGPT、AIGC、大模型所引發(fā)的人工智能(néng)潮流席卷全球，機器學(xué)習、深度學(xué)習技術再次被(bèi)各行業廣泛探讨。當科技的發(fā)展速度已經(jīng)進(jìn)入快車道(dào)時，風險管理，尤其是信用管理中如何使用機器學(xué)習、深度學(xué)習，作爲金融機構，如何讓金融機構更多員工，通過(guò)對(duì)風險管理、決策科學(xué)、人工智能(néng)相關理論知識和技能(néng)的提升來适應這(zhè)一趨勢，無疑成(chéng)爲我們亟待解答的問題。

數字時代，期待與您共同探索金融科技創新，擁抱科技變革，共同推動行業數字化時代變革。

培訓時間：2023.07.27~2023.07.29   

• 後(hòu)疫情時代下的美國(guó)銀行業危機
• 美國(guó)消費信貸及零售銀行風險的3次曆史周期
• 疫情對(duì)美國(guó)消費信貸行業的影響
• 2022年美國(guó)消費信貸五大趨勢
• 中國(guó)消費金融參與主體及貸款規模
• 消費信貸及零售銀行工作目标的演變              

• 風險動态及影響與應對(duì)

• 金融機構當前市場規模及趨勢  

• 當前風險形勢重要觀察

• 金融機構業務發(fā)展舉措及趨勢洞察

• 睿智科技風險指數追蹤與行業風險趨勢

• 信貸申請欺詐風險定義

•  “中介欺詐”和“團夥欺詐”常見手段與防控

• 決策科學(xué)技術在反欺詐上的應用

• 反欺詐關聯網絡

• 汽車經(jīng)銷商欺詐

• 自動化審批

• 額度與授信策略

• 風險損失評估與定價

• 策略監控與調優、風險監測管理

• 央行征信、征信局數據的模型開(kāi)發(fā)與策略部署

• 第三方大數據的模型開(kāi)發(fā)與策略部署

•  央行征信報告變量解讀

•  征信局數據與第三方數據應用

• 三方數據的應用及選取策略
• 人行征信特征變量衍生原則
• 人行征信變量衍生架構
• 特征變量衍生：多樣(yàng)化統計方法與維度

• 睿信：央行征信一鍵衍生工具介紹

• 風險客戶畫像體系全貌
• 風險客戶畫像的構建步驟
• 風險客戶畫像的監控體系
• 基于外部大數據的風險客戶畫像
• 基于決策科學(xué)的客戶生命周期價值
• 不同場景下的風險客戶畫像

• 風險客戶畫像場景應用案例

• 模型與決策科學(xué)的關系

• 決策科學(xué)的曆史演變迸程

• 模型與策略的關系

• 模型開(kāi)發(fā)的主要方法

• ABC評分卡

• 數據維度

• 評分卡模型建設方案

• 數據準備

• 模型設計

• 變量篩選

• 模型拟合

• 模型驗證

• 拒絕推斷

• 性能(néng)提升

• 模型研發(fā)體系

• 模型評估體系

• 模𡋾監控體系

• 模型災備體系

• 可解釋性
• 可驗證性
• 透明原則
• 公平原則 

• 人工智能(néng)與機器學(xué)習理論知識科普（AI、ML、DL、UL 、RL、AIGC、AGI等主要人工智能(néng)概念梳理)
  

• 關于有監督學(xué)習與無監督學(xué)習在金融領域的應用

• 機器學(xué)習在金融預測模型中主要算法及優劣

• 機器學(xué)習主流軟件及工具

• 機器學(xué)習金融預測模型開(kāi)發(fā)的主要環節，常見問題及技術解決方案（數據預處理/特征工程/建模/變量選取/評估/監控各環節的技術應用與避坑指南）

• 金融建模中的原則基礎及主流算法（回歸/分類/集成(chéng)學(xué)習/聚類/貝葉斯網絡/随機森林/神經(jīng)網絡）

• 金融預測模型的主要評估指标

  （交叉檢驗/召回率/F1-分數/混淆矩陣/KS/ROC/AUC/KS/lift/GINI/divergence）

•  生成(chéng)式AI的發(fā)展與主流技術（CNN、RNN、NLP、GAN、NeRF、 Midjourney 、Firefly、D-ID、 Runway、數字人、虛拟城市等)

• 自然語言處理相關算法與技術基礎理論

•  LLM （大語言模型）與Introduction Tuned LLM（指令優化大模型）

•  LLM的注意事(shì)項及廣泛應用(合規安全事(shì)項說明、Office Copilot、 GitHub Copilot、 Notion,Claude、 AutoGPT、Langchain等）

• 注冊&使用大模型（ChatGPT、Claude、文心一言、通義千問、訊飛星火等）

•  ☞動手實操環節1：

  （國(guó)内網絡60秒體驗ChatGPT3.5&ChatGPT4.0 實操教程 ）

• 大語言模型與機器學(xué)習模型的指令優化訓練

• LLM指令優化的2原則+6技巧

• LLM模型的局限性，問題及解決思路

• 常用大模型指令集及4大應用場景

• AIGC+N 通過(guò)智能(néng)辦公讓效率加倍（生成(chéng)流程圖、甘特圖、信函、代碼、彙報、思維導圖、任務分解、會(huì)議紀要、論文摘要、情感分析、結構化提取、表格生成(chéng)等）

•   ☞動手實操環節2：

  1分鍾速讀200頁論文閱讀

  30秒生成(chéng)會(huì)議紀要

  3分鍾完成(chéng)一個PPT

  0代碼搭建一個聊天機器人