CMU博士科研課題

基于數(shù)據(jù)科學(xué)的金融科技

課題簡介

基于數(shù)據(jù)科學(xué)的金融科技

Data Science driven FinTech?

隨著大數(shù)據(jù)、云計算、人工智能等新一代信息技術(shù)的發(fā)展和應(yīng)用，金融和科技發(fā)展正在融合。金融科技Fintech能夠有效提供金融服務(wù)的可獲得性和便捷性，降低金融交易成本。消費金融的未來取決于金融科技公司在客戶分析方面充分利用大數(shù)據(jù)的能力。

社交媒體的興起為金融科技提供了寶貴的數(shù)據(jù)源，比如目前金融服務(wù)已經(jīng)有基于社交媒體輿情監(jiān)控的交易策略。Stocktwits是全世界最大的社交投資平臺，擁有近200萬月活躍用戶。通過對用戶在該社交媒體上發(fā)布的海量內(nèi)容，進行情感分析(sentiment analysis)， 可以深入了解社交媒體對金融科技的影響。

本課題旨在通過通過統(tǒng)計方法和可視化對金融數(shù)據(jù)進行分析，并使用幾種重要的自然語言處理和機器學(xué)習(xí)算法，提出初步的金融數(shù)據(jù)輿情情感分析。學(xué)生能在課題中掌握系統(tǒng)的數(shù)學(xué)和計算機能力。

科研流程

課程模塊一：預(yù)備課程?

在教學(xué)過程正式開始前，有方學(xué)者會根據(jù)學(xué)生的具體情況提供數(shù)學(xué)、統(tǒng)計、英語學(xué)術(shù)論文寫作等預(yù)備課程。

課程模塊二：科研輔導(dǎo)?

來自美國頂尖人工智能的機器學(xué)習(xí)科研團隊將在有方學(xué)者團隊的配合下，進行8-12周的科研輔導(dǎo)：

微積分、線性代數(shù)和概率統(tǒng)計入門；

學(xué)習(xí) Python編程語言和相關(guān)的庫numpy, pandas, scikit-learn, matplotlib；

學(xué)習(xí)探索性數(shù)據(jù)分析（Explorative data analysis），并通過統(tǒng)計方法和可視化對金融數(shù)據(jù)進行分析

學(xué)習(xí)回歸分析(regression)，對金融數(shù)據(jù)進行社交媒體效應(yīng)的評估

學(xué)習(xí)幾種重要的自然語言處理和機器學(xué)習(xí)算法，提出初步的金融數(shù)據(jù)輿情情感分析；

課題驗收需要學(xué)生完成英文學(xué)術(shù)論文的寫作，并向科研團隊進行答辯。

指導(dǎo)速度可能因?qū)嶋H教學(xué)情況而異

課程模塊三：論文寫作&發(fā)表?

在科研輔導(dǎo)結(jié)束后

項目導(dǎo)師將輔導(dǎo)學(xué)生完成論文寫作

協(xié)助學(xué)生完成論文在英文學(xué)術(shù)期刊上正式發(fā)表。

整個科研教學(xué)流程中，每一位學(xué)員都將有學(xué)術(shù)督導(dǎo)協(xié)助保障研究階段性作業(yè)和論文的進度，確保取得研究成果。

課題要求

本課題適合： 9-12 年級學(xué)生，有較強的邏輯思維和抽象思維能力

本項目適合適合申請STEM專業(yè)方向：計算機、數(shù)學(xué)等相關(guān)專業(yè)的學(xué)生。

英文：

• 文獻閱讀：能在中外不同的文獻平臺上檢索到與課題內(nèi)容契合的文獻，并能撰寫綜述或者進行總結(jié)。
• 英文：具備英文資料（文獻、書籍、網(wǎng)頁）閱讀的能力，能初步撰寫英文文章。

數(shù)學(xué)：

• 統(tǒng)計基礎(chǔ)知識
• 微積分（偏微分）
• 線性代數(shù)

計算機：

• 最好有一定的計算機基礎(chǔ)。如果沒有，以下軟件選擇一種或多種，在課題開始后的1-2周進行強化學(xué)習(xí)并能進行初步的應(yīng)用。
• Python（Jupyter Notebook, Anaconda）
• ?Linux/Unix command

以上就是關(guān)于【CMU博士科研課題：基于數(shù)據(jù)科學(xué)的金融科技】的解答，如需了解學(xué)校/賽事/課程動態(tài)，可至翰林教育官網(wǎng)獲取更多信息。

往期文章閱讀推薦：

貝賽思進度太快怕掉隊？翰林校內(nèi)同步班課重磅推出，長期小班穩(wěn)節(jié)奏

從羅馬帝國到新冠先驅(qū)：TCR 歷史期刊收錄主題揭秘，為什么這項投稿值得深耕？