人工智能在商业银行的应用与实践

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