第一章 交叉的目的是融合：导论 1.1 基本概念理解 1.2 人工智能发展 1.3 中国人工智能发展 1.4 智能金融场景与价值（上） 1.5 智能金融场景与价值（下） 1.6 代码实践：爬虫-静态页面-二手房 本章教学课件 第一章 单元测试 第二章 经典而永恒：线性方法 2.1 回归类分析方法及其运用场景概述 2.2 回归模型的选择、正则化与降维 2.3 多元定性响应变量的回归模型 2.4 回归类分析方法在金融领域的运用 本章教学课件 第二章 单元测试 第三章 关联实现推荐：关联分析与协同过滤 3.1 关联规则分析与算法原理 3.2 编程实现与案例 3.3 关联规则在推荐系统中的应用 本章教学课件 第三章 单元测试 第四章 复杂特征中抓住关键因素：降维 4.1 降维介绍 4.2 降维应用 4.3 金融案例或论文 4.4 代码实践：降维 本章教学课件 第四章 单元测试 第五章 物以类聚：聚类 5.1 聚类的经济学需求 5.2 聚类算法与实现 5.3 聚类的金融案例 5.4 代码实践：聚类 本章教学课件 第五章 单元测试 第六章 条件判断思想的精华：决策树及随机森林 6.1 树类分析方法概述 6.2 决策树算法的原理 6.3 随机森林 6.4 金融案例 6.5 代码实践：决策树与随机森林 本章教学课件 第六章 单元测试 第七章 结构派的大成：深度学习与自然语言处理 7.1 人工神经网络 7.2 卷积网络与循环网络 7.3 自然语言处理及应用 7.4 深度学习最新进展及应用 7.5 代码实践：神经网络分析信用卡数据 7.6 代码实践：多层神经网络代码讲解 7.7 代码实践：深度学习与自然语言理解 本章教学课件 第七章 单元测试 第八章 延迟标注下的自我进化：强化学习 8.1 强化学习介绍 8.2 强化学习应用 8.3 金融案例或论文 8.4 代码实践：Gym使用 本章教学课件 第八章 单元测试 第九章 得关系者得天下：图数据分析 9.1 图数据分析介绍与应用 9.2 代码实践：图数据 本章教学课件 第九章 单元测试 第十章 数据安全下的机器学习：隐私计算 10.1 隐私计算介绍与应用 本章教学课件 第十章 单元测试 第十一章 经典方法的第二春：智能优化 11.1 智能优化概述 11.2 遗传算法 11.3 宽基指数择时因子的挖掘 11.4 代码实践：遗传算法 本章教学课件 第十一章 单元测试 第十二章 源源不断的新思想：走进未来 12.1 机器学习新思想介绍及应用（上） 12.2 机器学习新思想介绍及应用（下） 12.3 代码实践：综合案例-个人网络贷款违约识别研究 本章教学课件 第十二章 单元测试 期末考试 2025年秋季学期期末考试