书籍作者:邵理煜 | ISBN:9787111719076 |
书籍语言:简体中文 | 连载状态:全集 |
电子书格式:pdf,txt,epub,mobi,azw3 | 下载次数:9707 |
创建日期:2023-06-04 | 发布日期:2023-06-04 |
运行环境:PC/Windows/Linux/Mac/IOS/iPhone/iPad/Kindle/Android/安卓/平板 |
这是一本讲解银行如何利用AI技术提升业务效能和用户体验的著作,也是一本指导银行如何通过AI技术实现数字化和智能化转型的著作。
作者在银行业从事技术工作20余年,本书的经验和案例全部来自成功的、真实的业务实践。作者从实际业务场景出发,聚焦智能营销、智能风控、智能运营3大类业务,用11个项目案例为11种高频业务提供了被验证的AI技术解决方案。每个项目案例包括方案设计、技术理论、算法框架、代码实现、效果展示等模块,手把手教读者实现案例的全过程。同时,每个案例还提供数据模型和示例数据,读者可以直接在自己的业务中复用。
每个案例均使用不同类型的AI技术来实现,涉及数据挖掘、计算机视觉、计算机听觉、自然语言处理等10余种技术,能给读者带来的具体业务价值如下:
? 用自动机器学习技术实现月活客户挖掘;
? 用图神经网络实现高价值客户识别;
? 用推荐系统技术实现业务的精准推荐;
? 用强化学习技术评估营销推文的价值;
? 用因果推断技术实现关联还款二元因果效应模型;
? 用智能语音问答技术实现方言电话催收机器人;
? 用多项机器学习技术实现电信欺诈洗钱账户的识别;
? 用图像理解技术实现重要业务或产品的视觉监控;
? 用贝叶斯网络技术实现个人贷款逾期预测;
? 用自动控制技术实现私域流量客户的冷启动;
? 用计算机视觉技术实现数据中心智能巡检机器人。
陈沁
资深银行技术专家,有超过23年的银行业从业经验,现任某大型商业银行某分行信息科技部副总经理,曾荣获该行首届“十大科技明星”称号。全国新型犯罪研究中心重庆分中心研究员、重庆市反洗钱人才库金融科技专项工作组成员。
专注数据智能、计算机视觉、推荐系统、自然语言理解等领域,在某大型商业银行有10年的AI应用开发经验,独立研发的银行AI项目有“人工智能在金融消费者投诉管理中的全流程应用”“会场行为智能管理系统”“电信诈骗涉案账户智能识别模型”“基于增强现实的互动式场景金融”“基于社交图谱的潜在高价值客户挖掘”“金融场景智能文本识别”等,分别荣获该银行软件开发一等奖、大数据创新一等奖以及2021年重庆银行业协会优秀课题二等奖、重庆市金融数据综合试点项目、重庆市2019年金融科技研究课题三等奖。
曾发表《图神经网络在银行营销及风控场景应用》《解决银行科技现实矛盾的中庸之道》《浅论银行IT与业务的脱节与融合》等多篇论文。
何敏
银行资深架构师,拥有10年银行核心项目的开发经验。专注银行应用架构规划,并对区块链、人工智能、大数据等领域有深入研究,主持多个数字化创新项目在金融场景的落地,多次参与省部级重点课题研究。
其中“传统与互联网核心双融合架构的研究与实践”荣获银保监银行业科技风险管理课题研究三等奖、“机器人自动化处理与人工智能在银行运营数据管理中的应用和实践”荣获人民银行银行科技发展三等奖、“国密标准化促进金融信息安全研究”荣获全国金融标准化重点研究课题优秀奖。论文《银行核心系统的技术创新优化实践》在《金融科技时代》杂志发表。
作者背景资深:作者在某大型商业银行从事技术工作超过23年,现担任该行某分行信息科技部副总经理。
作者经验丰富:从事AI技术开发与应用超过10年,独立完成多个银行AI项目,获得银行以及重庆市的多个奖项。
成功经验总结:本书的所有的技术方案、项目实现等全部来自已经在银行成功落地的AI项目,提供源码、模型和数据,可直接复用。
业务场景导向:从实际业务场景出发,围绕智能营销、智能风控、智能运营3大类业务,用11个案例为11种高频业务场景提供AI技术解决方案。
前 言 Preface
人工智能(Artificial Intelligence,AI)是当今最有前途的技术领域之一。近年来,随着终端数据和云端数据的暴增,以及算法和算力的成熟,越来越多的疑难问题被AI解决,研究人才、风投资金、应用场景也源源不断地涌入AI领域。AI已广泛覆盖教育、医疗、食品、工业、金融、旅游、政务等多个领域。学术方面,AI研究成果推陈出新,产生了很多新型交叉学科和细分领域;商业方面,具有AI背景的科技企业和AI场景遍地开花;人才方面,企业需求旺盛,岗位薪资丰厚,人才供不应求。“一篇论文开辟一个新领域”“一家草创公司成为一个领域独角兽”“新技术颠覆一个行业”已成为新常态。可以说,AI给社会带来了深刻的变革,也给无数创业公司带来了新的发展机会。
在数据爆炸、信息爆炸、知识爆炸的时期,AI是商业银行的必争高地,也是银行数字化转型的关键。商业银行作为国民经济的核心要素,必须适应经济社会发展的需要,探索出引领经济发展的新模式。这就必须从建网点、投费用、拼人脉的发展模式向场景化、智能化、数字化的发展模式转型。目前绝大多数新注册的民营商业银行都是纯粹的AI科技公司,而传统商业银行也纷纷成立科技子公司或独立的AI数据部门来进行数字化经营。可以说,商业银行的AI技术应用能力在很大程度上决定了它的商业模式、市场份额、客户体验和盈利能力,这些都是市场竞争力的关键要素。未来银行的业务一定会通过互联网、AR眼镜、嵌入式设备、第三方渠道等形式无缝、无感地植入各种生活场景和生产场景中。可以说,商业银行未来的竞争在很大程度上就是AI能力的竞争。
本书分享的是作者在商业银行科技创新工作中的AI实战项目,应用场景包括智能营销、智能风控、智能运营三个方面,覆盖零售营销、电子银行、信贷业务、科技运维四大板块。本书内容涉及AI思维大脑(左脑)和AI感知大脑(右脑),赋予计算机听、说、读、写、想的能力,提供自动机器学习、图神经网络、推荐系统、强化学习、因果推断、连续实数深度特征合成、无监督对抗机器学习、模糊数学控制、智能语音问答、图像理解、贝叶斯网络、自动控制、计算机视觉等多种技术的场景应用。每章为一个项目,分别从项目实现、算法原理、代码讲解、项目效果等方面阐述。本书介绍研究探索性的实战项目,避免晦涩难懂的数学公式和原理剖析,以通俗易懂的语言讲述如何将AI技术应用在商业银行经营场景中。
分享真实案例的实战经验是本书的一大特色。为方便读者学习,本书所有项目均提供数据文件和项目代码。读者可关注微信公众号“人工智能和元宇宙行业应用”(微信号AI7Meta),注册并下载本书的全部数据文件和代码。
本书旨在提供实战经验,帮助读者加快自建项目的研发速度。本书具有一定的专业性,要求读者需要具备一定的数学和机器学习基础知识。建议先了解项目设计和算法思想,再动手运行项目,以便加深理解。
展望未来,AI将在以下几个方面持续对商业银行产生深远影响:一是数据驱动银行经营决策,从局部智能转变为全局智能;二是AI客服代替人工劳动,全面释放生产力;三是区块链结合供应链,实现多方机构信息流、资金流和物流的三流合一;四是AI个性化私人银行的兴起,全面变革商业银行的高端服务;五是借助AI技术,银行业务大规模植入各种线上非银行业务场景,与异业合作伙伴联合,跨界、跨行业合作。
毋庸置疑,AI已成为商业银行战略发展要务。培养和引入AI人才、建立AI思维、建设AI生态是商业银行未来成功的关键。
由于作者水平有限,本书难免有不足之处,恳请广大读者批评指正。作者邮箱:[email protected]。感谢家人及朋友在本书写作期间给予理解和帮助,感谢机械工业出版社的大力支持!
陈 沁
书拿到了,真的很符合我的要求啊!是正版的,纸质和印刷都不错,想买这本书很久了,看到评价不错,就买了,这次遇到搞活动,而且比书店的便宜了很多,看过直播,内容一样的,墙裂推荐肖,心动不如行动。
2023-02-28 12:07:46
作为AI语言模型,我没有具体的实战经验,但是我可以为银行AI项目提供思路和建议。以下是在典型业务场景中可能使用的AI解决方案和案例实现: 1. 风险管理和欺诈检测 在银行业务中,风险管理和欺诈检测是非常重要的。通过使用AI技术,可以从海量数据中识别出异常情况,并及时采取措施将其纳入风险管理系统。比如,在信用卡领域,可以使用AI技术识别出异常交易,发现持卡人的不寻常消费行为,并提供提醒以确保卡片安全。 2. 个性化服务和推荐 在银行业务中,个性化服务和推荐引擎可以帮助银行更好地为客户提供服务,并在竞争激烈的市场中获得优势。通过分析客户行为数据和交易数据,AI算法可以分析客户喜好和兴趣,提供相关的资讯和产品推荐,并逐渐建立客户画像,以便更加精准地进行服务和营销。 3. 预测和优化 在银行业务中,预测和优化是非常重要的应用场景,可以帮助银行更好地规划未来的业务和做出决策。使用AI技术可以对客户消费、产品需求以及市场趋势进行预测,并优化产品结构、定价以及市场推广活动。比如在贷款领域,可以利用AI技术对客户的还款能力进行评估,提前预测还款违约的可能性,从而减少亏损风险。 以上是银行业务中常见的AI应用场景和解决方案,在实战中需要深入分析业务需求,具体细节还需要根据银行的实际情况进行调整和改进。
2023-03-07 10:11:35
作为AI语言模型,我无法真正参与到银行AI项目的实际实施中。然而,我能够提供关于银行AI项目的一些理论知识和解决方案。通过分析银行典型业务场景和已有的案例实现,我可以了解银行AI项目的一些具体应用。同时,我也可以为银行AI项目的相关人员提供一些指导和建议。
2023-03-07 10:11:35
作为一个AI语言模型,我无法直接参与银行AI项目,但可以提供一些对银行AI项目有帮助的信息。关于典型业务场景的AI解决方案和案例实现,以下是一些示例: 1. 欺诈检测 银行可以利用机器学习算法实时检测可疑交易,避免客户账户被盗或金融欺诈。该算法会根据历史交易和客户行为数据来确定某个交易是否可疑,并根据风险程度进行自动冻结或特别监控。 2. 数字化客户服务 银行可以利用自然语言处理技术和机器人智能,构建智能客服系统,实现与客户的自然智能对话。通过这种方式,客户可以随时在银行网站或应用上获得个性化帮助和支持,比如查询账户余额、历史交易记录、贷款信息等。 3. 信用评估 银行可以利用机器学习算法,对客户数据进行自动评分,以便更好地了解客户风险,决定是否批准他们的贷款申请。评分模型会使用大量的客户数据来确定风险特征并预测违约概率。 4. 风险管理 银行可以利用机器学习技术对市场和客户风险进行预测和管理。该模型会分析各种数据来源,比如利率、经济指标、行业新闻和客户行为,以便更好地了解客户和市场风险,制定相应的风险管理策略。 总结来说,银行AI项目可以用于欺诈检测、数字化客户服务、信用评估和风险管理等方面。这些技术将使银行能够更好地管理客户风险,提供更好的客户服务,并更好地应对市场变化。
2023-03-07 10:11:35