銀行AI項目實戰：典型業務場景的AI解決方案與案例實現

這是一本講解銀行如何利用AI技術提升業務效能和用戶體驗的著作，
也是一本指導銀行如何通過AI技術實現數字化和智能化轉型的著作。
作者在銀行業從事技術工作20餘年，本書的經驗和案例全部來自成功的、真實的業務實踐。
作者從實際業務場景出發，聚焦智能營銷、智能風控、智能運營3大類業務，
用11個項目案例為11種高頻業務提供了被驗證的AI技術解決方案。
每個項目案例包括方案設計、技術理論、算法框架、代碼實現、效果展示等模塊，手把手教讀者實現案例的全過程。
同時，每個案例還提供數據模型和示例數據，讀者可以直接在自己的業務中復用。
每個案例均使用不同類型的AI技術來實現，涉及數據挖掘、計算機視覺、
計算機聽覺、自然語言處理等10餘種技術，能給讀者帶來的具體業務價值如下：
? 用自動機器學習技術實現月活客戶挖掘；
? 用圖神經網絡實現高價值客戶識別；
? 用推薦系統技術實現業務的精準推薦；
? 用強化學習技術評估營銷推文的價值；
? 用因果推斷技術實現關聯還款二元因果效應模型；
? 用智能語音問答技術實現方言電話催收機器人；
? 用多項機器學習技術實現電信欺詐洗錢賬戶的識別；
? 用圖像理解技術實現重要業務或產品的視覺監控；
? 用貝葉斯網絡技術實現個人貸款逾期預測；
? 用自動控制技術實現私域流量客戶的冷啟動；
? 用計算機視覺技術實現數據中心智能巡檢機器人。

序1
序2
前言
智能營銷篇
第1章手機銀行潛在月活客戶挖掘——自動機器學習技術2
1.1 自動機器學習簡介4
1.2 開發框架與庫6
1.2.1?重要特徵選擇庫Feature_selector6
1.2.2?重要特徵選擇庫Boruta10
1.2.3?自動機器學習建模框架Flaml12
1.2.4?自動機器學習框架AutoGluon16
1.2.5?貝葉斯優化庫Bayesian-optimization17
1.3?案例實戰22
1.3.1?運行環境搭建22
1.3.2?數據集準備23
1.3.3?特徵選擇代碼實戰27
1.3.4?自動化建模代碼實戰31
1.3.5?自動化調參代碼實戰34
1.4 案例總結36
第2章零售潛在高價值客戶識別——圖神經網絡技術37
2.1 圖神經網絡簡介38
2.1.1?圖神經網絡的概念38
2.1.2?圖神經網絡的優勢41
2.1.3?圖神經網絡的發展43
2.1.4?圖神經網絡是大數據時代的產物44
2.2 方案設計47
2.3 圖卷積神經網絡算法48
2.4?開發框架50
2.4.1?圖數據庫Neo4j50
2.4.2?圖神經網絡開發框架DGL51
2.5 案例實戰53
2.5.1?環境準備53
2.5.2?代碼實戰61
2.6 案例總結69
第3章銀行業務精準推薦——推薦系統72
3.1 推薦系統簡介73
3.2 推薦算法75
3.2.1?協同過濾算法75
3.2.2?PersonalRank圖推薦算法78
3.2.3?文本卷積神經網絡80
3.2.4?雙塔模型82
3.3 開發框架84
3.3.1?計算框架PySpark84
3.3.2?分詞框架Pkuseg86
3.3.3?深度學習框架TensorFlow與Keras86
3.4 案例實戰87
3.4.1?數據準備87
3.4.2?環境準備88
3.4.3?代碼實戰89
3.5 案例總結104
第4章銀行線上營銷推文價值評估—強化學習技術105
4.1 強化學習簡介106
4.1.1?人工智能發展與強化學習106
4.1.2?強化學習的基本概念108
4.1.3?Q-Learning算法110
4.2 案例實戰111
4.3 案例總結115
第5章關聯還款二元因果效應模型—因果推斷技術116
5.1 因果科學簡介117
5.2 因果森林算法簡介119
5.3 開發庫122
5.4 案例實戰122
5.4.1?數據準備123
5.4.2?環境搭建124
5.4.3?代碼實戰124
5.5?案例總結128
智能風控篇
第6章電信欺詐洗錢賬戶識別案例——多項機器學習技術132
6.1 案例痛點：銀行業反電信詐騙風控規則的局限性133
6.2 建模技術與場景分析134
6.2.1?“風控規則難以實時動態調整”的解決方案：連續實數深度特徵合成技術134
6.2.2?“風控規則不客觀全面”的解決方案：無監督對抗機器學習技術138
6.2.3?“模糊風控規則表述不清”的解決方案：模糊數學控制技術149
6.3 案例實戰151
6.3.1?環境搭建151
6.3.2?代碼實戰153
6.4 案例總結162
第7章從零開發方言語音電話催收雙模機器人—智能語音問答技術164
7.1?方案設計167
7.2?智能語音問答技術170
7.2.1?智能語音問答系統的基本任務170
7.2.2?自動語音識別技術171
7.2.3?QuartzNet模型174
7.2.4?基於自由文本閱讀理解的問答技術176
7.2.5?從文本到語音的合成技術179
7.2.6?遷移學習179
7.3?開發框架180
7.3.1?英偉達對話式AI框架Nemo180
7.3.2?端到端語音處理框架ESPnet180
7.3.3 Transformers模型庫181
7.3.4?跨平台GUI框架PyQt5183
7.3.5?SIP與PJSIP框架183
7.4?案例實戰185
7.4.1?軟硬件環境搭建及運行案例程序185
7.4.2?代碼實戰193
7.5?案例總結211
第8章動產抵押品倉庫視覺監控項目——圖像理解技術212
8.1?方案設計213
8.2?開發庫與框架216
8.2.1?計算機視覺處理庫OpenCV216
8.2.2?人臉識別開源庫Face_Recognition218
8.2.3?實例分割開源庫Yolact219
8.2.4?深度學習圖像處理庫ImageAI與目標檢測遷移學習224
8.2.5?Django框架和Pyecharts數據可視化庫226
8.3?案例實戰227
8.3.1?軟硬件環境搭建及運行案例程序227
8.3.2?代碼實戰232
8.4?案例總結245
第9章個人貸款逾期預測項目——貝葉斯網絡技術247
9.1?貝葉斯網絡簡介248
9.1.1?貝葉斯學習的概念248
9.1.2?從貝葉斯學習到貝葉斯網絡249
9.2?概率圖計算庫Pgmpy251
9.3?案例實戰252
9.3.1?環境搭建和案例運行252
9.3.2?代碼實戰252
9.4?案例總結256
智能運營篇
第10章企業微信私域流量客戶