我读大年夜学的时刻专业是主动控制，当时恰是人工智能的冬天。有一天我对神经收集产生了兴趣，于是问一个师长教师该若何进修神经收集。结不雅师长教师摇着头说，神经收集上世纪就已经被研究烂了。这个画面至今记忆犹新，常在我脑筋里浮现。很多年之后我照样困惑惑：神经收集真的没啥前程么?由此可见，大年夜学师长教师不克不及随便对一件工作做出主不雅性太强的断定。

今天我将安闲个方面去谈财经学生如何进修人工智能：进修的目标，进修的内容以及进修的方法。

财经人才→财经(金融)科技人才

因为常识背景和思维特点的差别，财经学生和工科学生进修AI的出发点和规律都是不合的。工科学生比较轻易上手，然则在寻找应用处景方面会比较脆弱;财经学生专业常识比较强，然则对一些技巧的┞菲握速度比较慢。幻想的情况应当是两者互相合作或者财经专家引导工程专家。但大年夜今朝的情况来看，传统财经专业的学生很难具备如许的引导力。

我认为财经学生进修AI并不是要去替代工科学生，而是要成为引导角色。不是引导人，而是引导机械。这种引导角色具有优胜的专业常识，懂得编程的根本逻辑，可以或许将AI的框架与专业常识框架进行融合。这也是将来各行各业顶尖人才必须具备的才能：你不消很会编程，然则你要知道法度榜样是怎么写出来的，以及若何与技恋人员进行对话与合作。

在进一步之前，须要废除一个误区。

如今很多人认为金融科技就是量化投资，智能投顾等。不少财经类的学生一听到如许的词汇就认为很高兴，认为高大年夜上，趋附者众。

我想泼一下冷水：在量化投资范畴，财经学生根本上不是工科学生的敌手。因为这个应用处景实袈溱是太简单了，无法发挥财经专业的优势。

数据是一个江湖，只稀有据没有效，必须要有处理数据的技巧才能。单一的数据也没有效，必须要与其他的数据进行融合才能发挥价值。对于数据必定要建立开放的价值不雅，分享优于孤立。你只有赓续的与他人分享合作，才能逐渐懂得数据的内涵，建立起更强大年夜的AI体系。因为数据本身是逝世的，处理数据的方法才是关键，你与别人的链接是办法的链接。 如不雅把一个行业的公开数据搞明白了，那你已经处于绝对领先的地位。还有一个告诫：必定要尽早积聚原始数据，因为其实很多半据会很快消掉的，时光可能是比数据范围更重要的维度。

量化投资只是金融科技琅绫擎一个很简单的场景，它的潜力被舆论高估了。真正的蓝海是其他加倍广泛的财经范畴，比如管帐，资产评估，保险等等。这些范畴的特点是贸易模式加倍复杂，须要更深挚的专业背景，并不是简荡竽暌姑一些复杂的机械进修算法就能完成的。

财经专业学生应当把重点放到这些行业，也就是与本身所学专业密切相干的范畴，这才是你们真正有优势的处所。每个细分范畴都须要一个AI，财经学生应当尽快的去思虑本身地点的范畴应当若何设计和应用AI，有哪些数据是可用的。你们在黉舍里固然不克不及做出一些异常复杂的应用，然则应当进行一些简化的练习，以具备根本的技能。等你们卒业之后，要用平生的时光却竽暌古化和实现本身的AI，就像你的孩子一样，弗成复制。

计量模型→数据科学

那么下一?问题，应用AI进行数据分析与如今的计量分析有什么不合呢?UCLA的朱松纯师长教师做了一个很好的归纳。他讲的比我好，直接把原文复制过来：

沿用朱师长教师的不雅点，我认为大年夜家教室上学的计量分析可以归纳为第三种范式：小数据、小义务范式(small data for small tasks)。固然我也认为大年夜数据是过度炒作，应当回归到“小数据、大年夜义务范式(small data for big tasks)，但大年夜进修的角度来讲，财经学生应当这三种范式都去练习。

大年夜数据的好处是可以容错，轻易产生一些pattern，然则大年夜部分范畴的数据量是远远谈不上大年夜数据的，对模型和场景的懂得的请求会更高，这对于财经学生来说是个好消息。

在这里我还要强调一点，计量固然很重要，然则不要局限在这个层面，必定要大年夜数据科学的高度去懂得数据，如许才能更好的懂得新的概念和办法。

数据是一个江湖

到今朝为止，我们谈到了三个问题：数据，模型(场景)和算法。这三个维度是AI的核心三角。一般来说工科人才强于算法和数据处理，弱于场景设计，财经人才则相反，强于场景，弱于算法和数据。

对于数据，我的不雅点是公开数据已经足够做出很好的器械。很多人一谈数据就认为必定要有私稀有据。这种狭隘的认知导致在大年夜数据时代，数据孤岛的现象反而加倍严重了。

针对这个问题我的建议是，财经学生应当按照场景、数据和算法的次序设定优先目标。场景也就是建模，这是专业常识的练习，永远是核心竞争力的关键。数据则是第二优先的目标。财经学生要大年夜很早就开端思虑，本身行业的数据可以或许大年夜哪里来，具有什么样的特点，应当若何去组织和构造化?

风险!风险!风险!

那么财经学生在进行场景设计的时刻重点应当推敲什么呢?

简而言之：环绕着风险做文┞仿!

谁可以或许应用新的办法和数据去发明未知的风险，谁就能占据这个范畴的新高点。是以财经学生在应用AI解决问题的时刻，必须紧紧环绕风险章一ㄅ念。留意这个风险是个广义的风险，并不是简单的信用风险或交易风险。环绕着风险去寻找数据和设计模型，这个偏向必定不会错。

　　推荐阅读

　　细说堡垒机与数据库审计

【51CTO.com稿件】跟着企业范围赓续成长强大年夜，为晋升企业袈渌行效力，降低运营成本，企业信息化体系也在日益强大年夜，运维问题也日趋复杂，企业核心数据资本的安然无法进行有效管控，>>>详细阅读

本文标题：财经专业学生应该如何学习人工智能？

地址：http://www.17bianji.com/lsqh/38615.html

 1/2    1