基于機器學習的投資組合管理、預防和檢測金融領域的欺詐行為；利用機器學習算法輔助交易決策；金融風險管理也廣泛使用機器學習 ...... 機器學習在現代金融領域的應用廣泛而深入。

如此龐雜的技術體系，我們還是從基礎學起吧：CGFT 特許全球金融科技師 (一級）《機器學習原理與應用》

課程目錄

第 一章：機器學習基礎

什么是機器學習？

貝葉斯統計推斷

優化簡介

優化簡介(續)

機器學習理論基礎

K-近鄰

樸素貝葉斯 (Naive Bayes)

衡量分類問題好壞的統計指標

用于模型選擇的交叉驗證方法, 正則化

第二章：邏輯回歸，樹模型和集成學習

邏輯回歸

特征選擇, 文本統計處理

圖像識別

決策樹，基尼不純度

商, 決策樹的建立

決策樹: 模型參數

回歸樹

集成學習: 隨機森林

集成學習: GBM，XGBoost

第三章：支持向量機，無監督學習

支持向量機: 線性分類

軟邊際，和邏輯回歸的比較

支持向量機: 非線性和核函數

支持向量機: 幾何解釋

無監督學習：降維， 主成分分析 (PCA)

特征降維在監督學習中的應用

無監督學習：聚類

第四章：神經網絡和深度學習

神經網絡：從邏輯回歸到 MLP

激活函數

目標損失函數，反向傳播

多層感知器例子

Keras / TensorFlow 和神經網絡

深度學習中的優化

卷積神經網絡 CNN

卷積神經網絡在圖像處理中的應用

循環神經網絡 RNN

循環神經網絡 LSTM

LSTM 在自然語言處理中的應用

（信息來源CGFT公眾號）