这是一本讲解银行如何利用AI技术提升业务效能和用户体验的著作，也是一本指导银行如何通过AI技术实现数字化和智能化转型的著作。
作者在银行业从事技术工作20余年，本书的经验和案例全部来自成功的、真实的业务实践。作者从实际业务场景出发，聚焦智能营销、智能风控、智能运营3大类业务，用11个项目案例为11种高频业务提供了被验证的AI技术解决方案。每个项目案例包括方案设计、技术理论、算法框架、代码实现、效果展示等模块，手把手教读者实现案例的全过程。同时，每个案例还提供数据模型和示例数据，读者可以直接在自己的业务中复用。
每个案例均使用不同类型的AI技术来实现，涉及数据挖掘、计算机视觉、计算机听觉、自然语言处理等10余种技术，能给读者带来的具体业务价值如下：
?用自动机器学习技术实现月活客户挖掘；
?用图神经网络实现高价值客户识别；
?用推荐系统技术实现业务的精准推荐；
?用强化学习技术评估营销推文的价值；
?用因果推断技术实现关联还款二元因果效应模型；
?用智能语音问答技术实现方言电话催收机器人；
?用多项机器学习技术实现电信欺诈洗钱账户的识别；
?用图像理解技术实现重要业务或产品的视觉监控；
?用贝叶斯网络技术实现个人贷款逾期预测；
?用自动控制技术实现私域流量客户的冷启动；
?用计算机视觉技术实现数据中心智能巡检机器人。

资深银行技术专家超20年经验总结，为银行数字化和智能化提供实战指导，提升银行核心竞争力
聚焦智能营销、智能风控、智能运营3大类业务，用11个案例为11种高频业务场景提供AI技术解决方案

计算机\人工智能

“无场景不金融，无数据不金融，无技术不金融”已成为共识。未来的银行将是持有牌照的技术公司。大数据、云计算、人工智能等技术为金融提供解决方案，不能仅仅停留在理论研究层面，更重要的是要应用于业务场景之中。本书将学术、研究与产业结合起来，归纳总结了多种技术在银行AI项目中的应用，对银行开展AI项目实战有重要的参考价值。
——张 伟　清华大学国家金融研究院副院长、《清华金融评论》执行主编
清华大学五道口金融学院金融发展与监管科技研究中心副主任
银行业数字化转型已经成为不可逆转的趋势，信息化、数字化、智能化将成为银行未来在竞争中胜出的关键。其中人工智能的应用是数字化和智能化的关键和根本。本书从银行从业人员的视角详细阐述了银行人工智能应用的全面思考，是金融监管机构、金融机构和金融科技机构相关从业者的首选，值得推荐！
——刘 斌　中国（上海）自贸区研究院（浦东改革与发展研究院）金融研究室主任
世界金融论坛青年研究员、华为全球金融事业部外部顾问
本书详细阐述了AI技术在银行多场景的应用，案例提供了环境搭建说明、数据文件示例及项目代码清单，具有很强的实操性，有利于帮助读者快速构建AI项目，具有一定的实用参考价值，特别适合金融业务和技术人员阅读。
——高 峰　中国银行业协会首席信息官、国家金融与发展实验室特聘高级研究员、CFT50学术成员

邵理煜 陈沁 何敏 著：作者简介
陈沁

资深银行技术专家，有超过23年的银行业从业经验，现任某大型商业银行某分行信息科技部副总经理，曾荣获该行首届“十大科技明星”称号。全国新型犯罪研究中心重庆分中心研究员、重庆市反洗钱人才库金融科技专项工作组成员。
专注数据智能、计算机视觉、推荐系统、自然语言理解等领域，在某大型商业银行有10年的AI应用开发经验，独立研发的银行AI项目有“人工智能在金融消费者投诉管理中的全流程应用”“会场行为智能管理系统”“电信诈骗涉案账户智能识别模型”“基于增强现实的互动式场景金融”“基于社交图谱的潜在高价值客户挖掘”“金融场景智能文本识别”等，分别荣获该银行软件开发一等奖、大数据创新一等奖以及2021年重庆银行业协会优秀课题二等奖、重庆市金融数据综合试点项目、重庆市2019年金融科技研究课题三等奖。
曾发表《图神经网络在银行营销及风控场景应用》《解决银行科技现实矛盾的中庸之道》《浅论银行IT与业务的脱节与融合》等多篇论文。
何敏

银行资深架构师，拥有10年银行核心项目的开发经验。专注银行应用架构规划，并对区块链、人工智能、大数据等领域有深入研究，主持多个数字化创新项目在金融场景的落地，多次参与省部级重点课题研究。
其中“传统与互联网核心双融合架构的研究与实践”荣获银保监银行业科技风险管理课题研究三等奖、“机器人自动化处理与人工智能在银行运营数据管理中的应用和实践”荣获人民银行银行科技发展三等奖、“国密标准化促进金融信息安全研究”荣获全国金融标准化重点研究课题优秀奖。论文《银行核心系统的技术创新优化实践》在《金融科技时代》杂志发表。

智能营销篇
第一章：手机银行潜在活跃客户挖掘项目----自动机器学习技术
1.1项目背景、意义及内容简介
1.2 自动机器学习简介
1.2.1 什么是自动机器学习
1.2.2 自动机器学习发展历史
1.2.3 自动机器学习常用开发框架
1.3 项目实战
1.3.1 数据准备
1.3.2 自动特征工程实战
1.3.2.1 featurestools自动生成衍生特征
1.3.2.2 feature-selector自动选择特征
1.3.3 自动化建模实战
1.3.3.1 亚马逊autogluon自动化框架
1.3.3.2 微软flaml自动化框架
1.3.4 自动参数调优实战
1.3.4.1 贝叶斯优化方法
1.3.3.2 微软flaml框架方法
1.4 项目评估及营销效果
1.5 总结与思考
（这部分总结项目方法，以及全套自动化方法在银行其他业务场景的应用，探讨自动化建模系统的可能性）

第二章：潜在零售价值客户挖掘项目----图卷积神经网络技术
2.1项目背景、意义及内容简介
2.2 图卷积神经网络简介
2.2.1 知识图谱与图表示学习
2.2.2 图神经网络节点分类算法原理
2.2.3 DGL框架介绍
2.3 项目实战
2.3.1 数据准备
2.3.2 特征工程
2.3.3 搭建图卷积神经网络
2.3.4 训练图卷积神经网络
2.3.5 图卷积神经网络预测
2.4项目评估及营销效果
2.5 总结与思考

第三章：信用卡客户下月交易预测项目----集成学习技术
3.1项目背景、意义及内容简介
3.2 集成学习简介
2.2.1 弱学习器与强学习器
2.2.2 集成学习的种类
2.2.3 KNIME工具里的集成学习模块
3.3 项目实战
3.3.1 数据准备
3.3.2 特征工程
3.3.3 使用KNIME工具建模
3.4项目评估及营销效果
3.5 总结与思考

第四章：零售客户理财产品推荐项目----协同过滤技术
4.1项目背景、意义及内容简介
4.2 协同过滤算法
4.2.1 什么是协同过滤
4.2.2 协同过滤的种类及算法描述
4.2.3 spark框架的协同过滤模块
4.3 项目实战
4.3.1 数据准备
4.3.2 特征工程
4.3.3 使用pyspark实现协同过滤推荐
4.4项目评估及营销效果
4.5 总结与思考

智能风控篇
第五章：电信欺诈洗钱账户识别项目----无监督对抗机器学习技术
5.1项目背景、意义及内容简介
5.2 引入新技术的必要性
5.3 电信诈骗场景深度分析
5.3.1 为什么要使用连续实数表达的深度特征合成技术
4.2.2 为什么要使用对抗自编码器
4.2.3 为什么要使用高斯混合模型
5.4 项目实战
5.4.1 数据准备
5.4.2 特征工程
5.4.2.1 时间序列特征提取
5.4.2.2 背包问题
5.4.2.3 连续实数表达的深度特征合成
5.4.2.4 不均衡数据处理
5.4.3 对抗自编码器网络搭建
5.4.4 对抗自编码器网络训练
5.4.5 霍普金斯统计量评估
5.4.6 高斯混合模型聚类及评估
5.5项目评估及风控效果
5.6 总结与思考

第六章：贷款企业实时信息自动采集项目----网络爬虫技术
6.1 项目背景、意义及内容简介
6.2 爬虫技术原理
6.3 相关法规及约定
6.4 python常用爬虫框架
6.5 项目实战
6.5.1 目标网站选择
6.5.2 项目设计方案
6.5.3代码详解
6.5项目效果
6.6 总结与思考

智能内控篇
第七章：商业银行抵押品仓库视觉监控项目----目标检测及视频处理技术
7.1项目背景、意义及内容简介
7.2 技术原理与开发框架
7.2.1 人脸识别与facerecognition框架
7.2.2 目标检测与yolov3检测器
7.2.3 视频去噪、夜视、保存与opencv4框架
7.2.4 邮件通知与email库
7.3 项目实战
7.3.1 硬件选择与项目设计
7.3.2 代码详解
7.4项目效果
7.5 总结与思考

智能运营篇
第八章：基于企业微信实现零售客户线上自动运营项目----交互式机器人技术
8.1 新零售时代银行经营模式的转变
8.1.1 私域流量：现象级商业概念
8.1.2 长尾客户线上化自动运营的价值
8.2项目背景、意义及内容简介
8.3 技术原理与开发框架
8.3.1 自动控制模块与pynput库
8.3.1.1 python微信专用模块
8.3.1.2 python通用控制模块
8.3.1.3 选择专用模块还是选择通用模块
8.3.2 界面识别模块与opencv库
8.4 项目实战
8.4.1 总体方案
8.4.2 代码详解
8.5项目效果
8.6 总结与思考

第九章：沉浸式场景金融服务项目----增强现实技术
9.1增强现实技术引领银行新零售模式转变
9.1.1 无缝无界生态融入的新模式
9.1.2 “场景即业务入口”颠覆二维码支付
9.2 项目内容
9.3 增强现实技术原理
9.4 技术框架
9.4.1 Unity3d介绍
9.4.2 太虚ar SDK介绍
9.5 项目实战
9.5.1 搭建pc开发环境
9.5.2 开发过程及uwp实现
9.5.3 android实现
9.5.4 ios实现
9.6项目效果
9.7 总结与思考

智能办公篇
第十章：银行自动化办公项目----OCR、文档处理及自动化综合技术
10.1 银行办公的基本特点
10.2项目背景、意义及内容简介
10.3 表格合同OCR自动审查项目实战
10.3.1 paddleocr框架介绍
10.3.2 代码详解
10.3.3 项目效果
10.4 office文档自动化处理项目实战
10.4.1 python常用库介绍
10.4.2 代码详解
10.4.3 项目效果
10.5 邮件收发项目实战
10.5.1 python常用库介绍
10.5.2 代码详解
10.5.3 项目效果
10.6 WEB数据可视化项目实战
10.6.1 pyecharts库介绍
10.6.2 django框架介绍
10.6.3 代码详解
10.6.4 项目效果
10.7 总结与思考