课程介绍 模块一：(金融)大数据概述 - 第一节：“数据”与“信息” - 第二节：数据的功能 - 第三节：数据的基本特征 - 第四节：数据和资产及无形资产的联系及转换 - 第五节：数据资产的正式定义 - 第六节：数据资产的正式定义（从学术和国际标准来看） - 第七节：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 - 第一节：行业应用介绍（企业全息画像） - 第二节：异构异源数据的融合 - 第三节：支持全息画像构建的核心思路（含案例） - 第四节：全息画像图谱的建立 - 第五节：小微企业（SMEs）的全息画像 - 第六节：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 - 第一节：咖啡馆（CAFE）全息风险评估框架 - 第二节：CAFÉ版本的评估流程（针对产业、城投） - 第三节：评级标准的建立 - 第四节：另类数据：构建可以使用的黑样本数据 - 第五节：非结构化特征的提取 - 第六节：科学的信用评级 - 第七节：对坏样本量的要求 - 第八节：甄判能力（ROC、AUC）与高度关联（Odd Ratio） - 第九节：筛选结果示例 模块四：支持特征提取需要的AI算法介绍 - 第一节：针对中小型（SMEs）企业的全息画像方法 - 第二节：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 - 第一节：评估体系的框架、流程与评级体系 - 第二节：大数据特征筛选（财务欺诈风险识别） - 第三节：CAFE全息风险评估系统介绍 - 第四节：在城投与产业信用评估中的实际应用与表