1、培訓過程中，如有部分內容理解不透或消化不好，可免費在以后培訓班中重聽；
        2、培訓結束后,授課老師留給學員聯系方式,保障培訓效果,免費提供課后技術支持。
        3、培訓合格學員可享受免費推薦就業機會。

課程目標
1. 能夠將歸納一個金融問題的數據集；2. 數據的處理和標準化；3. 貝葉斯分類模型的選擇和應用；
適用人群
學習金融學、數據、計算機相關專業的高校生；在職的基金經理、投研總監、專業投資者、金融分析師等
課程簡介
項目簡介：

案例數據集來源于UCI網站。數據集中包含信用卡申請者的數據。為了保護個人的隱私，所有名字和數值都被修改成毫無意義的字符。數據集的記錄總數為690條。共有15個特征變量，和1個分類變量。變量包括類別型，字母型，和數值型，但存在缺失值。

貝葉斯分類算法是機器學習中的一個基礎且非常重要的算法。它源于概率論中的貝葉斯決策公式，其將后驗概率表示為先驗概率和似然度的相乘。Python的優勢在于開源，基于Python的各類機器學習算法非常豐富而且方便使用。我們將以信用卡申請者的數據集為一個點同時討論貝葉斯分類原理和Python算法并用他們來解決信用卡申請者的分類。

學生可以獲得案例的Python源代碼。

項目特色：

本案例的特點是將信用卡申請的金融決策問題的解決方案與機器學習中的貝葉斯算法進行結合，并利用Python設計一個機器人來對案例數據集進行學習后輔助我們進行決策。這三者的結合就是智能金融在金融行業的經典應用。

學生通過本案例的學習將能夠充分理解并在未來能夠使用貝葉斯算法和Python程序來解決一個具體金融決策問題。本案例中還將介紹數據預處理和變量工程概念，從而有助于掌握數據處理的方法和技巧。

項目優勢：

1、結業后經審核成績合格者，可獲得量化金融研究中心（CQFC）發頒發結業證書；

2、通過結業考試者，北京大數據協會頒發證書；

3、成績優異者可被推薦參見摩根士丹利IT部的崗位面試。

教學目標：

通過案例學習后，如果能夠獨立完成作業，學生將能達到以下預期目標：

1.能夠將歸納一個金融問題的數據集；

2.數據的處理和標準化；

3.貝葉斯分類模型的選擇和應用；

4.用模型進行預測；

5.對模型進行評估

使用人群：

1.學習金融學、數據、計算機相關專業的高校生

2.在職的基金經理、投研總監、專業投資者、金融分析師、量化分析師及其他量化愛好者