北京航空航天大学秦曾昌副教授(人工智能, 机器学习) 9月8日在线访谈

欢迎教授！

秦老师，现在都知道人工智能、机器学习在车贷、消费贷等金融领域的应用有非常大的潜力，但是如何才能做好反欺诈，这好像是目前很多企业的痛点？请问可以讲解一下或者推荐一些资料吗？

老师 我是学经济的 但是最近买了几本Python的入门书籍 你觉得我应该在学习当中 注意哪些问题呢 本人零基础

资料狂人 发表于 2017-9-7 08:26
坛友512002855：
秦老师，您好，我注意到你是计算机系的硕士，2008年在牛津大学的统计系访问研究，我对后面 ...

From秦老师：
您好，我本专业是机器学习与数据挖掘，里面跟统计有很深的关联。 尤其是统计学习部分就是统计的一部分，都不完全是交叉学科。您可以看一下UC Berkeley, Michael (Mike) Jordan， Bin Yu的研究，都是横跨计算机与统计的。我们关系统计的部分主要是Bayesian Statistics 和Model Inference， 里面还用很多其他的统计与概率模型， 如Expectation Maximization, Maximum Entropy或者MCMC.

资料狂人 发表于 2017-9-7 08:26
坛友shortsale：
秦老师好，我对人工智能在会计和审计的应用感兴趣，Frey和Osborne（2013）对美国702个职业 ...

From秦老师：
人工智能的确在迅猛发展，某些领域可以完全代替一些领域是部分代替。这个代替的概念是同样的工作，需要更少的人就可以完成，不是完全不用人。通过我们找到固定的模式和人工智能技术的提升，我们可以极大的改善工作效率。 以前机械化，电气化和自动化的过程代替了很多人的体力工作。但是后工业时代的信息化与马上要发生的智能化会替代一些脑力工作，尤其是那些固定的脑力工作。如同我们引入软件提高了每个人的动作效率。以后人工智能技术更会这样，一个或几个人通过人工智能的辅助可能完成目前几十人或者更多人的工作，是完全可能的。 关于审计我不是专家，但是可以简单的看，只要大量用到计算机和软件的行业，智能软件的出现都能提高生产效率。

资料狂人 发表于 2017-9-7 08:26
坛友xiaoying3146：
秦老师你好，我是应用统计学硕士，现在对人工智能很感兴趣，目前在从事数据分析、大数 ...

From秦老师：
我不是专业的软件工程师，所以不好推荐软件的书籍。但是人工智能和机器学习方面，可以推荐周志华老师的《机器学习》，英文有Chris Bishop 的《Pattern Recognition and Machine Learning》, 还有Andrew Ng在斯坦福的网课。

crossbone254 发表于 2017-9-7 11:52
秦老师，您好，请问您认为的机器学习及人工智能方法区别于传统统计的方面是中哪些是最核心的？

From秦老师：
我个人认为是Bayesian Statistics, 推荐Edward Jaynes的书, 他提出概率是逻辑的延伸。 很多机器学习的人比较倾向于这种解释，还有主观概率对于推理的影响等等。机器学习大量的用到了统计中的知识，但是关心的问题不同。比如隐马科夫链是纯数学模型，但是被大量的用到了时间序列分析与语音识别。

太史公 发表于 2017-9-7 14:58
秦老师，您好，请问您认为人工智能在处理经融时序数据方面，与传统金融量化投资的区别在哪呢，新手的话用哪 ...

From秦老师：
传统量化投资主要是学习金融数学，以及利用很多学到的金融数学模型，但是机器学习主要是把金融信息完全当做数据，甚至可以不要求有金融知识，只是通过数据来看到背后的趋势而不需要太多人类的先验（金融知识）。 同时还可以引入不同的知识来帮助预测，比如很多研究综合考虑微博上的信息与金融市场，结合两者来判断走势，这些是以前金融的教科书里没有的。

wykrenda 发表于 2017-9-7 17:57
请问老师人工智能在保险领域的运用如何，以及精算方面岗位如何能在人工智能方面快速入门。
谢谢。

From秦老师：
凡有大量数据的行业都是，能够应用人工智能和机器学习的领域。我不熟悉保险与精算，建议可以搜索一些相关的研究。但是风险评估是的而且是最适合的应用领域，也有很多研究了。

阿扁V5 发表于 2017-9-8 09:20
秦老师，现在都知道人工智能、机器学习在车贷、消费贷等金融领域的应用有非常大的潜力，但是如何才能做好反 ...

From秦老师：
我不具体做这个方面的应用，因为需要拿到这样的数据并不容易。 但是的确机器学习可以根据一个人的log数据对一个人的行为，能力，趋势或者风险能有更好的评估，这是贷款，信用中非常大的引用，而且效率很高。 不需要一个人去评估，可以自动评级。 反欺诈也是要利用欺诈数据和普通数据之间的区别来识别一个交易是否欺诈的概率很大。 这些需要根据数据简历相关的模型，甚至要研究参数设置来优化出一个可用的模型。