本书介绍了金融领域中的人工智能技术（以深度学习为主）应用，其中第1～3章主要讲解金融与金融市场、Python入门知识、金融深度学习平台的搭建等内容；第4～6章主要讲解金融数据的获取方法、欺诈行为识别、非结构化金融客户信息识别等内容；第7～10章主要讲解金融安全中的深度学习、金融时间序列预测中的深度学习、金融舆情分析中的深度学习、金融客户推荐中的深度学习应用等内容。 本书可供金融、保险类本科生使用，也可以作为投资学、管理学、统计学、技术经济、应用数学等金融科技相关专业的教材，还可以作为对金融科技和深度学习感兴趣的金融从业者、有一定工程能力的软件开发工程师等的参考书。
作者简介
推荐语
前言
第1章 金融与金融市场
1.1 认识金融
1.2 货币
1.3 信用
1.4 金融机构
1.5 金融市场
1.6 金融衍生品与金融工程
1.7 互联网金融
第2章 深度学习的首选语言:Python
2.1 Python语言介绍
2.2 Python的安装与使用
2.3 数据类型
2.4 变量与运算符
2.5 函数
2.6 模块
第3章 构建金融深度学习平台
3.1 算力基础:选择硬件
3.2 单精度计算和半精度计算
3.3 算法平台:深度学习平台
3.4 代码托管:Git和GitHub
注释
第4章 获取金融数据
4.1 金融数据获取
4.2 用Python直接获取金融数据
第5章 识别金融业务中的欺诈行为
5.1 金融欺诈介绍
5.2 欺诈识别
5.3 保险欺诈识别
第6章 金融非结构化客户信息识别
6.1 手写信息识别
6.2 图片信息理解
6.3 客户人脸识别
注释
第7章 金融安全中的深度学习
7.1 金融安全
7.2 RSA加密算法
7.3 验证码识别
7.4 票据反模糊与生成式对抗网络
第8章 金融时间序列预测中的深度学习
8.1 金融时间序列数据简介
8.2 传统的时间序列分析方法
8.3 初识循环神经网络
8.4 利用循环神经网络分析比特币价格
注释
第9章 金融舆情分析中的深度学习
9.1 宏观金融问题与人工智能
9.2 利用舆情进行宏观金融分析
9.3 中文词向量
9.4 金融舆情中的情绪判断
第10章 金融客户推荐中的深度学习
10.1 客户分类与评估
10.2 推荐系统与深度学习
