人工智能在商业银行的应用与实践

资本的游戏

参考文献

结束语

6.3.3 启示与变革

6.3.2 国内金融监管政策分析

6.3.1 国际金融监管政策分析

6.3 人工智能应用的合规性

6.2.6 智能运营

6.2.5 智能风控

6.2.4 智能投资

6.2.3 智能营销

6.2.2 智能渠道

6.2.1 智能客服

6.2 商业银行业务发展对人工智能的需求

6.1 人工智能技术的发展及应用

第6章 商业银行应用展望

5.7.6 实物集约

5.7.5 风控集约

5.7.4 交易集约

5.7.3 某银行智能运营的建设方案

5.7.2 运营的趋势

5.7.1 运营的概念

5.7 智能运营

5.6.4 智能风控的风险传导体系建立

5.6.3 主要内容

5.6.2 现状

5.6.1 背景

5.6 智能风控

5.5.9 业务价值

5.5.8 策略开发流程

5.5.7 常见策略

5.5.6 订单类型

5.5.5 交易模式

5.5.4 人工智能

5.5.3 程序化交易

5.5.2 高频交易

5.5.1 背景

5.5 智能投资

5.4.5 智能投顾

5.4.4 流失预警

5.4.3 智能推荐价值和展望

5.4.2 智能推荐应用

5.4.1 背景

5.4 智能营销

5.3.4 业务价值

5.3.3 主要用法

5.3.2 现状

5.3.1 背景

5.3 智能渠道

5.2.3 业务价值

5.2.2 主要用法

5.2.1 背景

5.2 智能客服

5.1 主要应用场景简介

第5章 商业银行应用场景及实践

4.4.2 工程实践经验

4.4.1 应用架构设计

4.4 应用架构设计要点

4.3.5 服务应用层

4.3.4 模型管理层

4.3.3 技术框架层

4.3.2 软硬件资源层

4.3.1 基础数据层

4.3 认知智能平台架构

4.2.6 机器人平台

4.2.5 知识库平台

4.2.4 自然语言处理平台

4.2.3 语音识别平台

4.2.2 生物识别平台

4.2.1 感知能力共享中心

4.2 感知智能平台架构

4.1.2 人工智能平台实施方法

4.1.1 人工智能产业介绍

4.1 人工智能应用架构简介

第4章 商业银行应用架构

3.4.3 人工智能安全法律和政策

3.4.2 金融人工智能应用的安全性

3.4.1 人工智能风险

3.4 人工智能应用中的风险因素

3.3.2 人工智能模型运营

3.3.1 人工智能模型生成

3.3 人工智能模型运营管理

3.2.4 评估指标

3.2.3 数据集划分

3.2.2 认知模型评价指标

3.2.1 感知评价指标

3.2 人工智能应用的评价

3.1.6 计算机视觉应用类型

3.1.5 生物特征识别应用类型

3.1.4 知识图谱应用类型

3.1.3 自然语言处理应用类型

3.1.2 智能语音识别应用类型

3.1.1 机器学习应用类型

3.1 人工智能技术的应用方法

第3章 商业银行应用策略

2.7.3 联邦迁移学习

2.7.2 纵向联邦学习

2.7.1 横向联邦学习

2.7 联邦学习技术

2.6.2 OCR技术

2.6.1 基础技术

2.6 计算机视觉技术

2.5.4 声纹识别

2.5.3 静脉识别

2.5.2 虹膜识别

2.5.1 人脸识别

2.5 生物特征识别技术

2.4.2 知识应用

2.4.1 图谱构建

2.4 知识图谱技术

2.3.2 应用介绍

2.3.1 基础技术

2.3 自然语言处理

2.2.2 语音合成

2.2.1 语音识别

2.2 语音处理技术

2.1.2 建模流程

2.1.1 主流算法介绍

2.1 机器学习技术

第2章 商业银行常用人工智能技术简介

1.2.2 人工智能在商业银行的应用

1.2.1 人工智能的应用领域

1.2 人工智能的应用

1.1.3 金融科技的发展

1.1.2 人工智能的发展

1.1.1 人工智能的概念

1.1 人工智能技术

第1章 人工智能概述

前言

内容简介

版权信息

封面

封面

版权信息

内容简介

前言

第1章 人工智能概述

1.1 人工智能技术

1.1.1 人工智能的概念

1.1.2 人工智能的发展

1.1.3 金融科技的发展

1.2 人工智能的应用

1.2.1 人工智能的应用领域

1.2.2 人工智能在商业银行的应用

第2章 商业银行常用人工智能技术简介

2.1 机器学习技术

2.1.1 主流算法介绍

2.1.2 建模流程

2.2 语音处理技术

2.2.1 语音识别

2.2.2 语音合成

2.3 自然语言处理

2.3.1 基础技术

2.3.2 应用介绍

2.4 知识图谱技术

2.4.1 图谱构建

2.4.2 知识应用

2.5 生物特征识别技术

2.5.1 人脸识别

2.5.2 虹膜识别

2.5.3 静脉识别

2.5.4 声纹识别

2.6 计算机视觉技术

2.6.1 基础技术

2.6.2 OCR技术

2.7 联邦学习技术

2.7.1 横向联邦学习

2.7.2 纵向联邦学习

2.7.3 联邦迁移学习

第3章 商业银行应用策略

3.1 人工智能技术的应用方法

3.1.1 机器学习应用类型

3.1.2 智能语音识别应用类型

3.1.3 自然语言处理应用类型

3.1.4 知识图谱应用类型

3.1.5 生物特征识别应用类型

3.1.6 计算机视觉应用类型

3.2 人工智能应用的评价

3.2.1 感知评价指标

3.2.2 认知模型评价指标

3.2.3 数据集划分

3.2.4 评估指标

3.3 人工智能模型运营管理

3.3.1 人工智能模型生成

3.3.2 人工智能模型运营

3.4 人工智能应用中的风险因素

3.4.1 人工智能风险

3.4.2 金融人工智能应用的安全性

3.4.3 人工智能安全法律和政策

第4章 商业银行应用架构

4.1 人工智能应用架构简介

4.1.1 人工智能产业介绍

4.1.2 人工智能平台实施方法

4.2 感知智能平台架构

4.2.1 感知能力共享中心

4.2.2 生物识别平台

4.2.3 语音识别平台

4.2.4 自然语言处理平台

4.2.5 知识库平台

4.2.6 机器人平台

4.3 认知智能平台架构

4.3.1 基础数据层

4.3.2 软硬件资源层

4.3.3 技术框架层

4.3.4 模型管理层

4.3.5 服务应用层

4.4 应用架构设计要点

4.4.1 应用架构设计

4.4.2 工程实践经验

第5章 商业银行应用场景及实践

5.1 主要应用场景简介

5.2 智能客服

5.2.1 背景

5.2.2 主要用法

5.2.3 业务价值

5.3 智能渠道

5.3.1 背景

5.3.2 现状

5.3.3 主要用法

5.3.4 业务价值

5.4 智能营销

5.4.1 背景

5.4.2 智能推荐应用

5.4.3 智能推荐价值和展望

5.4.4 流失预警

5.4.5 智能投顾

5.5 智能投资

5.5.1 背景

5.5.2 高频交易

5.5.3 程序化交易

5.5.4 人工智能

5.5.5 交易模式

5.5.6 订单类型

5.5.7 常见策略

5.5.8 策略开发流程

5.5.9 业务价值

5.6 智能风控

5.6.1 背景

5.6.2 现状

5.6.3 主要内容

5.6.4 智能风控的风险传导体系建立

5.7 智能运营

5.7.1 运营的概念

5.7.2 运营的趋势

5.7.3 某银行智能运营的建设方案

5.7.4 交易集约

5.7.5 风控集约

5.7.6 实物集约

第6章 商业银行应用展望

6.1 人工智能技术的发展及应用

6.2 商业银行业务发展对人工智能的需求

6.2.1 智能客服

6.2.2 智能渠道

6.2.3 智能营销

6.2.4 智能投资

6.2.5 智能风控

6.2.6 智能运营

6.3 人工智能应用的合规性

6.3.1 国际金融监管政策分析

6.3.2 国内金融监管政策分析

6.3.3 启示与变革

结束语

参考文献

资本的游戏