基于机器学习的投资组合管理、预防和检测金融领域的欺诈行为；利用机器学习算法辅助交易决策；金融风险管理也广泛使用机器学习 ...... 机器学习在现代金融领域的应用广泛而深入。

如此庞杂的技术体系，我们还是从基础学起吧：CGFT 特许全球金融科技师 (一级）《机器学习原理与应用》

课程目录

第 一章：机器学习基础

什么是机器学习？

贝叶斯统计推断

优化简介

优化简介(续)

机器学习理论基础

K-近邻

朴素贝叶斯 (Naive Bayes)

衡量分类问题好坏的统计指标

用于模型选择的交叉验证方法, 正则化

第二章：逻辑回归，树模型和集成学习

逻辑回归

特征选择, 文本统计处理

图像识别

决策树，基尼不纯度

商, 决策树的建立

决策树: 模型参数

回归树

集成学习: 随机森林

集成学习: GBM，XGBoost

第三章：支持向量机，无监督学习

支持向量机: 线性分类

软边际，和逻辑回归的比较

支持向量机: 非线性和核函数

支持向量机: 几何解释

无监督学习：降维， 主成分分析 (PCA)

特征降维在监督学习中的应用

无监督学习：聚类

第四章：神经网络和深度学习

神经网络：从逻辑回归到 MLP

激活函数

目标损失函数，反向传播

多层感知器例子

Keras / TensorFlow 和神经网络

深度学习中的优化

卷积神经网络 CNN

卷积神经网络在图像处理中的应用

循环神经网络 RNN

循环神经网络 LSTM

LSTM 在自然语言处理中的应用

                                  （信息来源CGFT公众号）