课程大纲： 大数据与金融培训
第一讲 大数据金融的原理
1.1 大数据的概念
1.2 大数据的思维
1.3 大数据的运用
1.4 大数据的处理流程
第二讲 对金融数据降维
2.1 降维的准备工作
2.2 常用的降维方法
2.3 因子分析
2.4 降维分析的二元操作
2.5 主成分分析
数据与代码
第三讲 聚类在金融中的应用
3.1 聚类的经济学需求
3.2 聚类原理与算法
3.3 聚类的金融案例
数据与代码
第四讲 关联规则分析
4.1 理论与算法
4.2 R语言实践
4.3 案例分析
数据与代码
第五讲 金融数据可视化
5.1 可视化理论
5.2 基本作图
5.3 地图作图
数据与代码
第六讲 网络数据采集
6.1 爬虫理论
6.2 静态网页本地化
6.3 静态网页解析
6.4 截取通信
6.5 动态网页
6.6 API获取
数据与代码
第七讲 特征工程在金融分析中的应用
7.1 特征工程理论
7.2 结构化与缺失值处理
7.3 改变分布
7.4 特征选择
7.5 总结讨论
第八讲 文本分析初步
8.1 本节引言
8.2 文本预处理
8.3 词袋模型
8.4 主题模型与词向量模型
8.5 主题模型实践
数据与代码
加入高级会员获得助教答疑
