01 课程介绍 模块一 (金融)大数据概述 02 “数据”与“信息” 03 数据的功能 04 数据的基本特征 05 数据和资产及无形资产的联系及转换 06 数据资产的正式定义 07 数据资产的正式定义（从学术和国际标准来看） 08 数字资产与数据资产的本质区别（基于目前国内的实践） 模块二 全息画像框架的建立 09 行业应用介绍（企业全息画像） 10 异构异源数据的融合 11 支持全息画像构建的核心思路（含案例） 12 全息画像图谱的建立 13 小微企业（SMEs）的全息画像 14 如何通过全息画像对中大型企业进行信用评估 模块三 支持特征提取的高度关联特征和验证标准的建立 15 咖啡馆（CAFE）全息风险评估框架 16 CAFÉ版本的评估流程（针对产业、城投） 17 评级标准的建立 18 另类数据：构建可以使用的黑样本数据 19 非结构化特征的提取 20 科学的信用评级 21 对坏样本量的要求 22 甄判能力（ROC、AUC）与高度关联（Odd Ratio） 23 筛选结果示例 模块四 支持特征提取需要的AI算法介绍 24 针对中小型（SMEs）企业的全息画像方法 25 针对中大型企业风险特征的筛选的AI方法 模块五 基于全息画像方法刻画的特征筛选框架的建立 26 评估体系的框架、流程与评级体系 27 大数据特征筛选（财务欺诈风险识别） 28 CAFE全息风险评估系统介绍 29 在城投与产业信用评估中的实际应用与表