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。

序1
序2
前言
智能营销篇
第1章 手机银行潜在月活客户挖掘——自动机器学习技术
1.1 自动机器学习简介
1.2 开发框架与库
1.2.1 重要特征选择库Feature_selector
1.2.2 重要特征选择库Boruta
1.2.3 自动机器学习建模框架Flaml
1.2.4 自动机器学习框架AutoGluon
1.2.5 贝叶斯优化库Bayesian-optimization
1.3 案例实战
1.3.1 运行环境搭建
1.3.2 数据集准备
1.3.3 特征选择代码实战
1.3.4 自动化建模代码实战
1.3.5 自动化调参代码实战
1.4 案例总结
第2章 零售潜在高价值客户识别——图神经网络技术
2.1 图神经网络简介
2.1.1 图神经网络的概念
2.1.2 图神经网络的优势
2.1.3 图神经网络的发展
2.1.4 图神经网络是大数据时代的产物
2.2 方案设计
2.3 图卷积神经网络算法
2.4 开发框架
2.4.1 图数据库Neo4j
2.4.2 图神经网络开发框架DGL
2.5 案例实战
2.5.1 环境准备
2.5.2 代码实战
2.6 案例总结
第3章 银行业务精准推荐——推荐系统
3.1 推荐系统简介
3.2 推荐算法
3.2.1 协同过滤算法
……
智能风控篇
智能运营篇