由于此商品库存有限,请在下单后15分钟之内支付完成,手慢无哦!
100%刮中券,最高50元无敌券,券有效期7天
活动自2017年6月2日上线,敬请关注云钻刮券活动规则更新。
如活动受政府机关指令需要停止举办的,或活动遭受严重网络攻击需暂停举办的,或者系统故障导致的其它意外问题,苏宁无需为此承担赔偿或者进行补偿。
正版 金融数据建模应用(高级)
¥ ×1
1章金融基础业务应用1
1.1金融监管基础1
1.1.1国家监督1
1.1.2自我管理5
1.2金融市场法律法规6
1.2.1金融市场法律法规体系6
1.2.2金融业务法律规范7
1.2.3大数据与个人信息保护法律法规14
1.2.4金融法律责任及相关犯罪类型18
1.2.5金融风险管理政策20
1.3道德规范与行为准则25
1.3.1道德规范25
1.3.2行为准则25
1.4金融市场概述26
1.4.1金融市场的特征26
1.4.2金融市场分类27
1.4.3金融市场构成要素28
1.4.4金融市场功能29
1.5金融机构概述30
1.5.1金融市场的融资结构30
1.5.2金融机构存在的理论基础31
1.5.3金融机构体系33
1.6金融工具市场与衍生品39
1.6.1货币市场39
1.6.2资本市场41
1.6.3金融衍生品42
1.7金融风险及风险管理45
1.7.1金融风险的类别45
1.7.2金融风险管理的基础理论46
1.7.3金融风险管理的理论方法48
1.7.4金融风险管理的计量模型49
1.7.5金融风险管理的流程51
2章金融数据分析56
2.1Python程序设计基础56
2.1.1Python基础56
2.1.2Python控制流58
2.1.3Python函数与模块59
2.2Python进阶60
2.2.1NumPy的使用60
2.2.2Pandas的使用60
2.2.3Matplotlib数据可视化61
2.3数理统计基础66
2.3.1微积分基础66
2.3.2线性代数基础68
2.3.3概率统计基础72
2.4金融数据管理79
2.4.1数据治理79
2.4.2数据安全与隐私保护80
2.4.3数据信息加密及其Python实现81
2.5金融数据初步处理82
2.5.1金融数据的获取82
2.5.2金融数据预处理82
2.5.3蒙特卡罗方法85
3章金融数据库87
3.1数据库87
3.1.1关系型数据库87
3.1.2SQL数据库103
3.2数据仓库112
3.2.1基本概念112
3.2.2数据仓库构建116
3.2.3SSIS、SSAS、SSRS118
3.3金融数据仓库119
3.3.1金融行业建设数据仓库的必要性119
3.3.2金融行业传统数据仓库119
3.3.3金融行业新一代数据仓库123
4章金融数据挖掘与算法实现129
4.1常用大数据挖掘算法129
4.1.1逻辑回归模型129
4.1.2朴素贝叶斯模型131
4.1.3决策树134
4.1.4随机森林136
4.1.5支持向量机137
4.1.6聚类分析138
4.1.7人工神经网络139
4.2大数据分析与SparkPython140
4.2.1大数据分析与分布式数据处理140
4.2.2常见分布式数据处理框架143
4.2.3SparkPython148
4.3SparkPython大数据分析应用151
4.3.1SparkPython开发环境搭建151
4.3.2SparkRDD运算类型示例159
4.3.3应用PySpark进行大数据分析167
5章金融数据模型设计与调优173
5.1金融行业典型应用场景173
5.1.1银行领域173
5.1.2保险领域181
5.1.3证券领域184
5.2金融中的数学模型188
5.2.1投资模型189
5.2.2金融风险管理模型194
5.3金融机构客户流失预警模型205
5.3.1数据探索性分析206
5.3.2数据预处理210
5.3.3特征加工213
5.3.4模型建设214
5.3.5模型的参调节215
5.3.6交验证216
5.3.7模型评价218
5.4金融模型的迭代与优化220
5.4.1金融领域机器学习模型评价220
5.4.2金融领域机器学习模型管理223
6章数据可视化226
6.1数据可视化概述226
6.1.1数据可视化的含义226
6.1.2视觉通道227
6.1.3数据可视化的软件及工具228
6.1.4数据可视化的流程231
6.2数据可视化的基础要素232
6.2.1数据232
6.2.2图表234
6.3数据可视化的设计235
6.3.1数据可视化设计理念235
6.3.2图表的设计236
6.3.3排版、配色及字体238
7章金融数据建模项目管理240
7.1项目管理要素240
7.1.1项目范围管理240
7.1.2项目时间管理240
7.1.3项目成本管理240
7.1.4项目质量管理241
7.1.5人力资源管理241
7.1.6项目沟通管理241
7.1.7项目风险管理241
7.1.8项目采购管理242
7.2甘特图242
7.2.1甘特图的特点242
7.2.2甘特图的优缺点243
7.2.3甘特图的绘制步骤243
7.3项目团队管理243
7.3.1项目相关方管理244
7.3.2项目任务分解257
参考文献266
本书是教育部1+X职业技能等级证书“金融数据建模应用(不错)”的配套教材。全书依据金融数据建模应用职业技能等级标准,面向金融数据建模相关岗位需求,强化学生的业务实操能力和职业判断能力。全书从金融基础业务应用、金融数据分析、金融数据库、金融数据挖掘与算法实现、金融数据模型设计与调优、数据可视化、金融数据建模项目管理7个方面,培养学生在金融与科技融合的专业岗位上金融数据建模应用能力。 本书可作为1+X职业技能等级证书“金融数据建模应用(不错)”培训的教材,也可作为应用型本科院校、中高等职业院校软件工程、计算机科学与技术、信息管理与信息系统、信息与计算科学、物联网工程、金融贸易等相关专业的教材,还可作为金融数据建模应用从业人员的培训用书。
"2019年2月,国务院发布的《国家职业教育改革实施方案》(简称“职教20条”)提出, 从2019年开始,在职业院校、应用型本科高校等启动“学历证书+若干职业技能等级证书” 制度试点(简称“1+X证书制度试点”)。1+X证书制度将学校学历教育和企业用人需求与职 业技能等级证书有效地结合起来,使职业技能人才晋升之路更加广阔。 2020年12月31日,教育部职业技术教育中心研究所发布《参与1+X证书制度试点的第 四批职业教育培训评价组织及职业技能等级证书名单》。依据该名单,中关村互联网金融 研究院入选第四批职业教育培训评价组织,中关村互联网金融研究院的《金融数据建模应 用》入选第四批职业技能等级证书。该证书的推出对于促进金融科技人才专业化发展具有 重要意义,将助力金融科技人才培养模式和评价方式的优化,提升职业教育质量,增强学 生的就业能力,同时促进产业与教育的深度融合,以及职业教育的健康发展。 通过本书的学习,学生应该熟练掌握金融基础知识,深入了解金融业务;能够深入研 究数据源,整理和发掘数据价值,主导模型产品的部署、维护、评估等落地实施工作;同 时跟踪、监控模型表现,根据监控结果对模型进行优化;具备不断学习人工智能、机器学 习近期新研究成果,并转化为业务应用的能力。 "
亲,大宗购物请点击企业用户渠道>小苏的服务会更贴心!
亲,很抱歉,您购买的宝贝销售异常火爆让小苏措手不及,请稍后再试~
非常抱歉,您前期未参加预订活动,
无法支付尾款哦!
抱歉,您暂无任性付资格