金融数据挖掘是一门融合“金融”加“数据挖掘算法”的前沿交叉课程，关注数据挖掘算法和复杂金融场景、实现数据挖掘技术赋能智能金融、培养具有爱国情怀的金融科技人才。课程对标金融市场、金融机构、政府机构、公司金融等复杂金融场景，挖掘金融实际需求，主要涵盖以下四个主题：金融大数据描述，金融大数据预测，金融大数据复杂关系分析，金融大数据异常检测分析四个主要模块。在深入介绍金融大数据的基础上，课程结合金融大数据预测需求与分类算法，金融大数据复杂关系分析与关联分析算法，金融大数据异常检测需求与聚类算法，探讨数据挖掘算法赋能智能金融的思想、步骤、评估与创新。
第一章 绪论
1.1 What is Data Mining?
1.2 How Data Mining Works in Financial Area?
第一章测验
第二章 数据
2.1 What is data(1)?
2.2 What is data(2)?
2.3 Data pre-processing(1)
2.4 Data pre-processing(2)
2.5 Similarity and Dissimilarity of data(1)
2.6 Similarity and Dissimilarity of data(2)
2.7 Similarity and Dissimilarity of data(3)
第二章测验
第三章 分类——决策树分类器
3.1 Classification-basic concept and idea
3.2 Introduction to Decision Tree Classifier
3.3 Methods for Expressing Attribute Test Conditions
3.4 Measures of Impurity
3.5 An Example to Compute a Decision Tree
第三章单元测验
第四章 分类——基于规则的分类器
4.1 Introduction to Rule-Based Classifier
4.2 Direct Method for Rule Extraction
4.3 An Example to Build Rule-Based Classifier
第四章单元测验
第五章 分类——朴素贝叶斯分类器
5.1 Introduction to Naive Bayes Classifier
5.2 An Example to Build Naive Bayes Classifier
第五章测验
第六章 分类——贝叶斯信念网络分类器
6.1 Introduction to Bayesian Belief Networks
6.2 An Example of Bayesian Belief Networks
第六章测验
第七章 拟合不足和过拟合
7.1 Underfitting and Overfitting (1)
7.2 Underfitting and Overfitting (2)
第七章测验
第八章 分类-模型评估和比较
8.1 Classification-Model Evaluation
8.2 Classification-Model Comparison
第八章测验
第九章 关联分析-Apriori算法
9.1 Association Analysis-basic concept and idea
9.2 Apriori Algorithm (1)-Introduction
9.3 Apriori Algorithm (2)-Candidate Generation & Pruning
9.4 Apriori Algorithm (3)-Hash Tree
9.5 Apriori Algorithm (4)-Rule Generation and Complexity
第九章测验
第十章 关联分析-FP树增长算法
10.1 FP Tree Algorithm-Introduction
10.2 FP Tree Algorithm-An Example
第十章测验
第十一章 关联分析-关联模式评估
11.1 Association Analysis-Evaluation (1)
11.2 Association Analysis-Evaluation (2)
第十一章测验
第十二章 聚类分析-k-means算法
12.1 Cluster Analysis-basic concept and idea
12.2 Introduction to K-means Algorithm
第十二章测验
第十三章 聚类分析-基本层次聚类算法
13.1 Introduction to Agglomerative Hierarchical Clustering Algorithm
13.2 An Example of Agglomerative Hierarchical Clustering Algorithm
第十三章测验
第十四章 聚类分析-簇评估
14.1 Unsupervised Cluster Evaluation
14.2 Supervised Cluster Evaluation
第十四章测验