幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

AIGC重塑金融(AI大模型驅動的金融變革與實踐)/金融科技

  • 作者：林建明|責編:楊福川//羅詞亮
  • 出版社：機械工業
  • ISBN：9787111743811
  • 出版日期：2024/02/01
  • 裝幀：平裝
  • 頁數：275
人民幣：RMB 99 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書從技術、應用、安全和監管等維度全面講解了金融機構應該如何正確地認知和實踐AIGC，以此加速實現數字化和智能化。
    作者有超過20年的金融科技工作經驗，同時有豐富的AI大模型創新和應用經驗，在本書中，作者將自己的豐富經驗、深入洞察以及國內外的經典案例相結合，為金融行業的AIGC實踐指明了方向，提供了方法論。
    全書一共10章，具體包含以下內容：
    AIGC技術演變與應用典型落地場景（第1、2章）
    首先，深入探究大語言模型的過去、現在與未來，剖析AIGC三大核心技術的發展演變，以及算力、演算法、數據在其中的關鍵作用和相互影響。然後，進一步探討AIGC技術與應用在典型場景中的具體落地，幫助讀者全面理解AIGC的基本原理，為迎接AI新時代夯實理論基礎。
    AIGC提升金融業內外部效率與方法論（第3?5章）
    分析AIGC對提升金融業內部生產效率和外部服務效率以及技術能力產生的深遠影響。分享全球範圍內大模型廠商和金融證券機構的AIGC應用實踐，詳解該技術在自動化流程、數據分析、風險管理、數字人、智能營銷、智能投顧、投資決策等業務領域的具體應用，幫助金融業更好地降本增效、重塑競爭力。
    AIGC監管與金融業安全使用策略（第6、7章）
    重點探討AIGC在監管科技中的應用，以及金融業如何安全地使用AIGC。結合國際實踐經驗，同時考慮中國的合規發展現狀，提出應對科技治理挑戰的對策，旨在建立可信賴的AIGC使用策略。
    訓練金融大模型的方法與AIGC未來暢想（第8?10章）
    首先，總結金融業提示工程的訓練要點及使用技巧，並探索和分析金融領域特定大模型的訓練方法及應用場景。然後，展望大模型發展方向，思考人與AI的未來，暢想AI時代金融業從數字金融向智慧金融轉變的路徑。
作者介紹
林建明|責編:楊福川//羅詞亮
    林建明，薩摩耶雲科技集團創始人、董事長兼首席執行官，擁有逾20年金融科技行業經驗。金融領域知名的AIGC先行者和實踐者，對AIGC在金融領域的應用有深刻的洞察和思考。     曾擔任招商銀行股份有限公司信用卡中心總工程師，並主導信用卡業務相關技術架構的建設工作。2013年參與成立招聯消費金融有限公司（現已成為知名的消費金融公司），率先將數字技術應用於金融行業。曾分別憑借招商銀行移動支付系統及招商銀行信用卡實時智能決策支持體系，榮獲中國人民銀行頒發的「銀行科技發展獎」二等獎及三等獎。
目錄
讚譽
推薦序
前言
第1章  AIGC開啟的AI大航海時代
  1.1  大語言模型的過去、現在與未來
    1.1.1  大語言模型的過去和現在
    1.1.2  大語言模型的未來
  1.2  ChatGPT引發的生產力革命
    1.2.1  AI新的里程碑：ChatGPT
    1.2.2  ChatGPT引領人類進入智慧時代
    1.2.3  大模型帶動生產力飛躍
  1.3  AIGC三大核心技術
    1.3.1  生成演算法模型
    1.3.2  預訓練模型
    1.3.3  多模態技術
  1.4  AIGC爆發，數據、算力和演算法共振
    1.4.1  數據：作為大模型訓練基礎資源的高質量數據集需求增加
    1.4.2  算力：算力需求不斷攀升，GPU行業市場潛力巨大
    1.4.3  演算法：大模型演算法助力AIGC突破
  1.5  從PGC、UGC到AIGC，傳統內容生成模式的顛覆與重塑
第2章  AIGC技術與應用的落地場景
  2.1  AIGC產業生態加速形成，走向模型即服務的未來
    2.1.1  AIGC架構體系及其重要性
    2.1.2  主要參與主體排兵布陣，商業模式探索開始起步
    2.1.3  AIGC產業生態版圖擴容加速
  2.2  AIGC典型應用場景與實踐
    2.2.1  文本生成
    2.2.2  音頻生成
    2.2.3  圖像生成
    2.2.4  視頻生成
    2.2.5  跨模態生成
    2.2.6  策略生成
  2.3  大模型落地金融領域的風險與挑戰
    2.3.1  大模型在金融領域的5個典型應用場景
    2.3.2  大模型在金融領域應用所面臨的風險及其防範
    2.3.3  AIGC技術的科林格里奇困境
  2.4  金融機構使用AIGC技術的難點與可能路徑
第3章  AIGC提升金融業內部生產效率
  3.1  提升自動化運營水平
    3.1.1  金融行業自動化運營現狀
    3.1.2  AIGC提升金融機構自動化運營水平
    3.1.3  AIGC在自動化運營領域的5類應用場景
  3.2  提升數據分析效率
    3.2.1  金融行業中常見的數據分析需求
    3.2.2  金融機構進行數據分析常用的技術手段
    3.2.3  AIGC提升數據分析能力的4個維度
  3.3  提升財務報告自動生成水平
    3.3.1  技術手段在財務報告生成領域的應用
    3.3.2  AIGC提升財務報告自動生成水平的5條路徑
    3.3.3  AIGC提升財務報告自動生成水平的具體步驟

  3.4  提升風險管理效率
    3.4.1  技術手段在風險管理方面的應用
    3.4.2  AIGC提升風險管理水平的4個維度
    3.4.3  AIGC提升金融機構風險管理能力的路徑
  3.5  提升人機協作效率
    3.5.1  數字員工遍布金融行業
    3.5.2  數字員工的5點不足
    3.5.3  AIGC能有效提升數字員工職場「經驗值」
第4章  AIGC提升金融業外部服務效率
  4.1  數字人
    4.1.1  數字人在金融領域的應用現狀
    4.1.2  AIGC令數字人更具「服務力」
  4.2  智能營銷
    4.2.1  智能獲客
    4.2.2  智能運營
    4.2.3  營銷數據分析與預測
    4.2.4  營銷活動規劃
    4.2.5  營銷效果評估
  4.3  風險信用評估
    4.3.1  信貸評估
    4.3.2  信用違約預測
    4.3.3  貸款利率優化
    4.3.4  欺詐檢測
  4.4  智能投顧
    4.4.1  客戶畫像
    4.4.2  資產配置
    4.4.3  個性化投資組合管理
第5章  AIGC提升金融科技水平
  5.1  重塑算力系統
    5.1.1  大模型的算力需求
    5.1.2  金融業的算力需求
    5.1.3  AIGC輔助算力提升
  5.2  提升金融數據處理能力
    5.2.1  重構金融資料庫
    5.2.2  薩摩耶雲在重構資料庫方面的嘗試
    5.2.3  提升金融數據的分析和挖掘能力
    5.2.4  薩摩耶雲在使用AIGC提升數據分析和挖掘能力方面的嘗試
  5.3  加速智能開發
    5.3.1  自動編寫代碼
    5.3.2  撰寫代碼註釋
    5.3.3  低代碼開發
    5.3.4  智能調試和故障排查
    5.3.5  智能化項目管理和協作
    5.3.6  薩摩耶雲在加速智能開發方面的經驗
  5.4  重塑研發團隊人員構成
  5.5  重塑基礎設施架構
第6章  AIGC推動監管科技發展
  6.1  監管科技服務的兩個主體
    6.1.1  監管機構端
    6.1.2  金融機構端

  6.2  監管科技的發展現狀
  6.3  AIGC在監管科技中的應用方向
    6.3.1  身份識別
    6.3.2  數據採集
    6.3.3  監管數據報送
    6.3.4  風險監測及預警
  6.4  AIGC對防範系統性金融風險的作用
第7章  金融業如何安全地使用AIGC
  7.1  數據隱私保護
  7.2  模型可解釋性
  7.3  對抗攻擊和欺詐行為
  7.4  人工干預機制
  7.5  合規和監管要求
  7.6  用可信AIGC應對科技治理挑戰
    7.6.1  知識產權
    7.6.2  演算法歧視
    7.6.3  安全挑戰
    7.6.4  倫理風險
    7.6.5  環境風險
  7.7  AI治理的歐美實踐和國際經驗
    7.7.1  歐美AI治理的實踐
    7.7.2  國際AI治理的啟示與借鑒
  7.8  AIGC的中國合規發展與治理建議
    7.8.1  監管文件規範AIGC發展
    7.8.2  探索共築可信AIGC生態新範式
第8章  面向金融業的提示工程
  8.1  提示工程的基本概念
    8.1.1  什麼是提示工程
    8.1.2  提示工程的組成部分
    8.1.3  提示詞通用技巧
    8.1.4  迭代式的提示詞開發流程
    8.1.5  提示工程中的大模型局限性
  8.2  金融業提示工程的訓練要點和使用技巧
    8.2.1  金融業提示詞的核心
    8.2.2  金融業提示工程的訓練要點
    8.2.3  金融業提示工程的使用技巧
  8.3  提示工程在金融業的使用場景
    8.3.1  金融分析和研究報告
    8.3.2  自動化客服和理財機器人
    8.3.3  智能投顧和投資建議
  8.4  提示工程在金融領域的未來發展趨勢
第9章  從零開始訓練金融領域特定大模型
  9.1  構建通用大模型的5個步驟
  9.2  從通用大模型到金融大模型
    9.2.1  通用大模型直接用於金融領域的5點局限
    9.2.2  金融大模型的建設方式
  9.3  金融業大模型的應用價值
  9.4  構建金融領域特定大模型的7個步驟
    9.4.1  通用基礎大模型準備
    9.4.2  模型訓練環境準備

    9.4.3  數據集和代碼準備
    9.4.4  詞表擴充和數據預處理
    9.4.5  模型訓練
    9.4.6  模型推理
    9.4.7  模型評估
  9.5  垂直應用模型在金融領域的場景探索
    9.5.1  金融大語言模型
    9.5.2  金融風控大模型
    9.5.3  投資管理大模型
    9.5.4  保險精算大模型
第10章  邁向AGI時代的暢想
  10.1  AIGC大模型的未來展望
    10.1.1  數據層
    10.1.2  算力層
    10.1.3  演算法層
    10.1.4  應用層
  10.2  生命3.0：關於人與AI未來的思考
  10.3  AGI未來發展預測
  10.4  AGI時代金融業的未來暢想

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032