课程背景：

未来的商业银行是如何运营的？

为什么创新是商业银行运营的核心？

当下商业银行储备什么样的人才，以应对未来的竞争格局？

截止2018年，中国已达7亿移动支付用户。越来越多的人**移动互联网平台进行沟通、应用、采购、支付。同时，我们也生活在一个机器学习 数据 算法的时代，AI、数据、算法无处不在，未能足够利用数据和算法，没有把人工智能、大数据和算法与商业运营模式、与用户连接起来的商业银行是没有未来的。今后，中国每年急需10万名专业人工智能算法工程师，以及150万具有人工智能、大数据思维的职业经理人。

随着世界经济大格局的变化和智能产业的突飞猛进，正面临一个难得的转型、融合和发展的机遇。这个机遇就是数字化，即将把企业带到智能时代的四项技术：A（Artificial Intelligence，人工智能），B（Blockchain，区块链），C（Cloud computing，云计算），D（Big Data，大数据）。对于传统商业银行的改造、对于消费升级、对于新型城市化，都要用ABCD的技术手段，这些以ABCD为代表的新兴产业将引领中国经济未来发展。

对于传统商业银行来说，此轮科技升级也是转型的大好机会！

【内容】

1、人工智能基础知识；

2、人工智能与大数据、算法的区别与联系；

3、人工智能与大数据、算法在商业银行相关创新案例；

4、讲解、分析目前商业银行中常用的人工智能、大数据应用。

【培训大纲】

**天上午

前言：认识这个时代

一、 数字化经济高速发展的逻辑

1） 你没做错什么，是时代变了——来自互联网的冲击波

2） “摩尔定律”带来指数级发展

3） 是什么导致了银行界的“中年危机”

二、 网络效率逻辑

1） 数据智能逻辑

2） 深度渗透逻辑

三、 蚂蚁金服为什么能颠覆的传统银行模式

1） 超级平台现象

2） 非对称发展

3） 商业新物种

4） 金融新生态

四、 新技术全方位的深度渗透到传统银行转型

1） 从银行1.0到4.0的演进和改造

2） “移动支付”彻底改变了传统金融服务场景

3） 垂直产业链的构建对银行业务的深度融合

一、 人工智能概述

1. 人工智能——世纪对弈

1) AlphaGo围棋胜利的深度透视

2) AlphaGo的算法秘密

3) 对弈的意义

4) AI发展的意义

实战案例分析：人类思维与机器思维有哪些本质区别

2. 人工智能发展概况

1) 什么是智能

2) 什么是人工智能 (AI)

3) AI研究的方法和途径.

4) AI的历史.

5) ＡI的研究特点

6) 人工智能学科体系

3. 人工智能中人文趣事

1) 图灵（Turing）

2) 赫伯特·西蒙（Herbert Simon）

二、 人工智能基本原理及应用

1. 人工智能基础知识

1) 知识表示的概念

2) 知识的特性

3) 知识的分类

4) 知识表示的方法

实战案例分析：分布式计算与人工智能的关系

2. 人工神经网络在物联网中的应用

1) 神经网络的发展简史

2) 神经元数学模型

3) 神经网络的分类

4) 神经网络的特征

实战案例分析：物联网商业应用的三大定律

**天下午

第三讲：人工智能相关热点技术——大数据、机器学习、算法

1. 大数据技术

1) 大数据时代的意义

2) 大数据基础概念

3) 大数据和人工智能的关系

4) 大数据解决的主要问题

5) 大数据将“猜”出并控制一切

实战案例分析：特朗普如何**数据和算法来操控选民思想和结果

6) 如何**在线化收集、处理海量数据

7) 数据挖掘结果如何展现——从"人找信息"到"信息找人"

实战案例分析：准确率高达75%的机票价格预测模型

2. 机器学习与算法技术

1) 机器学习基本概念——深度学习与非深度学习

2) 机器学习算法分类——有监督学习（分类、预测）、无监督学习（聚类、关联）

3) 什么是算法：即企业经营的策略

4) 算法与数据——算法如种子、数据如土壤

实战案例分析： 你关心的新闻才是今日头条

5) 算法三种底层逻辑：或、且、非

6) 机器学习的主要学派与五大终极算法

符合学派——逆向演绎算法

联结学派——反向传播算法

进化学派——达尔文算法

贝叶斯学派——推理算法

类推学派——支持向量机算法

7) 机器学习与算法的结合应用

实战案例分析：用机器学习和算法预测药物有效性

8) Google在机器学习算法上的应用

实战案例分析：为什么Google比雅虎公司市值高很多

第二天上午

第四讲： 商业银行如何创新与重新设计业务

1、 回归**性原理——勿忘初心

2、 将**性原理应用于银行业务

案例分析：价值储存(“存”)、获得信用(“贷”)、资金转移(“汇”)

3、 数字化嵌入式商业银行服务

4、 新体验并非从银行网点开始——无界、无感、无限的体验

案例分析：从客户投诉服务质量，到客户感觉不到服务

5、 金融服务随时随地的需要

案例分析：越来越多的人从科技公司获得金融服务

6、 混合现实及其对银行业务的影响

案例分析：供应链金融，被忽视的海量需要

第五讲：商业银行将从产品到体验

1、 新“网络”和“分销”模式——网点至上，还是移动终端至上

案例分析：线下线上的数据化，**终会带来社会生活的全面“金融化”

2、 金融服务从产品到体验的全能体验——精准、贴心、无摩擦

案例分析：建设银行推出“智能无人网点”、招商银行“全面无卡化”网点、民生银行 “智能终端服务”网点…

3、 未来金融的交叉销售和关系销售

案例分析： 从一个汽车广告开始的全生命周期金融服务

4、 银行组织结构的改变

案例分析：相比科技与工具、组织结构**难改变

第六讲：区块链应用改变银行、金融行业秩序

1、 互联网商业中的四大顽疾——窃取、假冒、篡改、事后否认

2、 P2P去中心化支付网络

3、 数字资产交易——哈希运算

4、 安全公钥密钥设计

5、 比特币分割交易

案例分析：京东运用区块链算法建立智能供应链

第二天下午

第七讲：金融科技公司对于银行必要性

1、 华尔街 硅谷模式，金融科技正在主导金融领域

2、 为什么银行应该关注金融科技

3、 如果不能打败它们，就加入它们

案例分析：浦发银行试点超级入口API bank，欲反击互联网金融巨头

4、 深度学习：银行智能语音理财顾问

案例分析：银行开始大量聘请数据专家、机器学习专家、心理学家、算法学家...到银行工作

7、 数字化商业银行: 移动终端、大数据、云计算、5G的作用

案例分析：从路人甲，到数据源，商业银行开启大数据时代

8、 可以做到“千人千面”定义银行业务中的角色

案例分析：身份识别技术对于金融来说是多么重要

第八讲：算法设计在商业银行中的应用

1. BAT如何利用机器学习与算法影响整个商业银行

2. 算法在金融征信风控体系中的应用

1) 金融征信风控体系核心模式

2) 金融征信风控算法与模型的设计步骤

3) 金融征信风控数据仓库建设

4) 金融征信风控模型风险等级

5) 信用评分算法开发流程

6) 社交网络算法在金融反欺诈中的应用

案例分析：蚂蚁金服征信算法与模型，快速处理用户借贷需求

第九讲 哪些银行幸存 哪些银行消亡

1、 适者生存——体验，不是产品

2、 生存从顶层开始——技术**，银行第二

3、 银行4.0路线图——个性化、智能化、实时化、综合化。

4、 回归金融的本质：一切为了效率