機器學習和深度學習算法預測應用

深度學習是機器學習的分支，是一種以人工神經網絡為架構，對數據進行表征學習的算法。至今已有數種深度學習框架，如深度神經網絡、卷積神經網絡和深度置信網絡和遞歸神經網絡已被應用在計算機視覺、語音識別、自然語言處理、音頻識別與生物信息學等領域并獲取了極好的效果。另外，“深度學習”已成為類似術語，或者說是神經網絡的品牌重塑。今天小編想要介紹的科研課題就是西北大學博士科研課題：機器學習、深度學習算法在預測信用卡違規風險的應用。

課題簡介

機器學習、深度學習算法在預測信用卡違規風險的應用

Machine Learning and Deep Learning Algorithms in Default of Credit Card Prediction

關于信用卡還款違約的預測的大量研究已經廣泛應用了數據挖掘與人工智能技術，從而能從金融數據庫中自動發現有價值的規律。

在信用卡公司、保險公司的實際的風險評估過程中，還款違約預測的能力被視為一項極其重要的任務，因為專家的決策預測了公司是否能夠從中獲益。

近些年來廣泛應用的機器學習、深度學習算法 (machine learning, deep learning algorithms) 則能從海量數據中得出一般性的普遍規律，并基于此提前預測該公司是否存在破產的可能性。

世界上知名銀行的信用卡分部（如American Express, JP Morgan, Bank of America）都廣泛使用各種高級的機器學習、深度學習算法，取得了相當好的收益。

本課題將通過深度學習、機器學習算法，預測個人在將來還款時是否存在違約可能。研究者將掌握系統的使用數學工具和計算機編程工具的能力。

科研流程

課程模塊一：預備課程

在教學過程正式開始前，有方學者會根據學生的具體情況提供數學、統計、英語學術論文寫作等預備課程。

課程模塊二：科研輔導

來自美國頂尖人工智能的機器學習科研團隊將在有方學者團隊的配合下，進行8-12周的科研輔導：

微積分、線性代數和概率統計入門；

學習 Python編程語言和相關的庫numpy, pandas, scikit-learn, matplotlib；

學習探索性數據分析（Explorative data analysis），并通過統計方法和可視化對金融數據進行分析

學習回歸分析(regression)，對金融數據進行社交媒體效應的評估

學習幾種重要的自然語言處理和機器學習算法，提出初步的金融數據輿情情感分析；

課題驗收需要學生完成英文學術論文的寫作，并向科研團隊進行答辯。

指導速度可能因實際教學情況而異

課程模塊三：論文寫作&發表

在科研輔導結束后

項目導師將輔導學生完成論文寫作

協助學生完成論文在英文學術期刊上正式發表。

整個科研教學流程中，每一位學員都將有學術督導協助保障研究階段性作業和論文的進度，確保取得研究成果。

授課導師

西北大學 博士

西北大學（Northwestern University），是一所世界頂級的私立研究型大學，十大聯盟（Big Ten Conference）成員校，是美國錄取難度最大的大學之一。西北大學以嚴格的招生錄取出名，尤其在每年的全額獎學金博士研究生錄取中，錄取中國留學生的比例極低。

本科二年級時就在“中國科技核心期刊”上發表論文，并以本科階段滿績點的成績被西北大學錄取為博士。

專業方向：Statistics。擅長數據挖掘技術的應用，例如經濟、衛生等領域。

課題要求

本課題適合： 9-12 年級學生，有較強的邏輯思維和抽象思維能力

本項目適合適合申請STEM專業方向：計算機、數學等相關專業的學生。

有一定的英語閱讀和寫作能力

有較強的邏輯思維和抽象思維能力

專業領域的零基礎學生，我們會提供相關的學術知識培訓。

報名/咨詢課題詳情

請識別下方二維碼