• 相关博文
  • 最新资讯
加载中...
  • 新战场路在何方——详解360金融数据中台之旅

    自阿里巴巴引入中台概念后,市场对中台的关注度持续“高烧”不退。作为企业的基础平台,数据中台贯彻了整个数据生命周期。然而究其根本,数据中台不是一门技术,而是一种数据治理的方式,是把原来分散在业务系统中的各种数据进行集中管控,统一分发,从而真正的将组织积累的数据变成流动资产,进而变数据为生产力。

    2020.01.06 0
  • ​基于强化学习的自动交易系统研究与发展综述

    近年来,强化学习在电子游戏、棋类、决策控制领域取得了巨大进展,也带动着金融交易系统的迅速发展,金融交易问题已经成为强化学习领域的研究热点,特别是股票、外汇和期货等方面具有广泛的应用需求和学术研究意义。本文以金融领域常用的强化学习模型的发展为脉络,对交易系统、自适应算法、交易策略等方面的诸多研究成果进行了综述。最后讨论了强化学习在金融领域应用中存在的困难和挑战,并对今后强化学习交易系统发展趋势进行展望。

    2020.01.03 0
  • 微众银行殷磊:AI+卫星,从上帝视角洞察资产管理|BDTC 2019

    微众银行人工智能部资深人工智能专家殷磊受邀参加了本次论坛,分享了《AI+遥感助力资产管理》的主题演讲。围绕另类大数据在金融领域的应用,详解卫星遥感影像在资产管理领域发挥的巨大价值,并展示了微众银行AI团队在遥感影像分析技术的探索与成果。

    2019.12.13 0
  • 赠书 | 熵的实际应用,赌场和金融圈最著名的一个数学公式

    在本章中,我们讨论熵。熵是对不确定性的一个正式测度。利用熵,我们可以证明不确定性、信息内容与惊喜之间的等价性。低熵对应于低不确定性,同时揭示的信息很少。如果某个结果发生在低熵系统中,例如太阳从东方升起,我们并不会感到惊讶。而在高熵系统中,比如在抽奖时抽中了某个数字,结果是不确定的,并且实现的结果能够揭示信息。在这个过程中,我们经历了惊喜。

    2019.12.12 0
  • IJCAI 2019精选论文一览,从底层到应用都有了

    在今年的 IJCAI 2019 中,共设置了 38 个主题,涉及医疗、金融、教育等等领域和方向,我们从中挑选出 3 个主题以及精选论文,做一些简单的介绍。

  • 微软洪小文:AI将成为人类未来最好的左脑

    2019 年6月14日,由清华大学五道口金融学院、清华大学国家金融研究院、清华大学研究生会联合主办的“未来已来—全球领袖论天下”系列讲座再次开讲。应清华大学国家金融研究院院长、IMF前副总裁朱民之邀,微软全球资深副总裁、微软亚太研发集团主席兼微软亚洲研究院院长洪小文以“智能简史及数字化转型的未来”为主题进行演讲,介绍了人工智能(AI)的发展现状与未来发展方向,并就企业如何借助技术的发展实现数字化转型进行探讨。

    2019.07.09 0
  • 什么是解耦表示学习?使用beta-VAE模型探究医疗和金融问题

    本文对传统的人工数学建模和机器学习的优缺点进行了介绍和比较,并介绍了一种将二者优点相结合的方法——解耦表示学习。之后,作者利用 DeepMind 发布的基于解耦表示学习的 beta-VAE 模型,对医疗和金融领域的两个数据集进行了探索,展示了模型效果,并提供了实验代码。

  • 基于模板的文字识别结果结构化处理技术 | 公开课速记

    随着行业的发展和技术的成熟,文字识别(OCR)目前已经应用到了多个行业中,比如物流行业快递包裹的分拣,金融行业的支票单据识别输入,交通领域中的车牌识别,以及日常生活中的卡证、票据识别等等。OCR(文字识别)技术是目前常用的一种AI能力。但一般OCR的识别结果是一种按行输出的半结构化输出。