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(xiàn)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(tǒng)計推斷
優(yōu)化簡介
優(yōu)化簡介(續(xù))
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(tǒng)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(tǒng)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(shù)
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(jiān)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(shù)
支持向量機: 幾何解釋
無監(jiān)督學習：降維， 主成分分析 (PCA)
特征降維在監(jiān)督學習中的應用
無監(jiān)督學習：聚類
第四章：神經(jīng)網(wǎng)絡和深度學習
神經(jīng)網(wǎng)絡：從邏輯回歸到 MLP
激活函數(shù)
目標損失函數(shù)，反向傳播
多層感知器例子
Keras / TensorFlow 和神經(jīng)網(wǎng)絡
深度學習中的優(yōu)化
卷積神經(jīng)網(wǎng)絡 CNN
卷積神經(jīng)網(wǎng)絡在圖像處理中的應用
循環(huán)神經(jīng)網(wǎng)絡 RNN
循環(huán)神經(jīng)網(wǎng)絡 LSTM
LSTM 在自然語言處理中的應用
（信息來源CGFT公眾號）
