银行AI项目实战：典型业务场景的AI解决方案与案例实现

作者背景资深：作者在某大型商业银行从事技术工作超过23年，现担任该行某分行信息科技部副总经理。作者经验丰富：从事AI技术开发与应用超过10年，独立完成多个银行AI项目，获得银行以及重庆市的多个奖项。成功经验总结：本书的所有的技术方案、项目实现等全部来自已经在银行成功落地的AI项目，提供源码、模型和数据，可直接复用。业务场景导向：从实际业务场景出发，围绕智能营销、智能风控、智能运营3大类业务，用11个案例为11种高频业务场景提供AI技术解决方案。

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。

陈沁
资深银行技术专家，有超过23年的银行业从业经验，现任某大型商业银行某分行信息科技部副总经理，曾荣获该行首届“十大科技明星”称号。全国新型犯罪研究中心重庆分中心研究员、重庆市反洗钱人才库金融科技专项工作组成员。
专注数据智能、计算机视觉、推荐系统、自然语言理解等领域，在某大型商业银行有10年的AI应用开发经验，独立研发的银行AI项目有“人工智能在金融消费者投诉管理中的全流程应用”“会场行为智能管理系统”“电信诈骗涉案账户智能识别模型”“基于增强现实的互动式场景金融”“基于社交图谱的潜在高价值客户挖掘”“金融场景智能文本识别”等，分别荣获该银行软件开发一等奖、大数据创新一等奖以及2021年重庆银行业协会优秀课题二等奖、重庆市金融数据综合试点项目、重庆市2019年金融科技研究课题三等奖。
曾发表《图神经网络在银行营销及风控场景应用》《解决银行科技现实矛盾的中庸之道》《浅论银行IT与业务的脱节与融合》等多篇论文。

何敏
银行资深架构师，拥有10年银行核心项目的开发经验。专注银行应用架构规划，并对区块链、人工智能、大数据等领域有深入研究，主持多个数字化创新项目在金融场景的落地，多次参与省部级重点课题研究。
其中“传统与互联网核心双融合架构的研究与实践”荣获银保监银行业科技风险管理课题研究三等奖、“机器人自动化处理与人工智能在银行运营数据管理中的应用和实践”荣获人民银行银行科技发展三等奖、“国密标准化促进金融信息安全研究”荣获全国金融标准化重点研究课题优秀奖。论文《银行核心系统的技术创新优化实践》在《金融科技时代》杂志发表。

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2
1.1　自动机器学习简介4
1.2　开发框架与库6
1.2.1?重要特征选择库Feature_selector6
1.2.2?重要特征选择库Boruta10
1.2.3?自动机器学习建模框架Flaml12
1.2.4?自动机器学习框架AutoGluon16
1.2.5?贝叶斯优化库Bayesian-
　　　optimization17
1.3?案例实战22
1.3.1?运行环境搭建22
1.3.2?数据集准备23
1.3.3?特征选择代码实战27
1.3.4?自动化建模代码实战31
1.3.5?自动化调参代码实战34
1.4　案例总结36
第2章　零售潜在高价值客户识别——
　　　　 图神经网络技术37
2.1　图神经网络简介38
2.1.1?图神经网络的概念38
2.1.2?图神经网络的优势41
2.1.3?图神经网络的发展43
2.1.4?图神经网络是大数据时代的
　　　产物44
2.2　方案设计47
2.3　图卷积神经网络算法48
2.4?开发框架50
2.4.1?图数据库Neo4j50
2.4.2?图神经网络开发框架DGL51
2.5　案例实战53
2.5.1?环境准备53
2.5.2?代码实战61
2.6　案例总结69
第3章　银行业务精准推荐——
　　　　推荐系统72
3.1　推荐系统简介73
3.2　推荐算法75
3.2.1?协同过滤算法75
3.2.2?PersonalRank图推荐算法78
3.2.3?文本卷积神经网络80
3.2.4?双塔模型82
3.3　开发框架84
3.3.1?计算框架PySpark84
3.3.2?分词框架Pkuseg86
3.3.3?深度学习框架TensorFlow与
　　　Keras86
3.4　案例实战87
3.4.1?数据准备87
3.4.2?环境准备88
3.4.3?代码实战89
3.5　案例总结104
第4章　银行线上营销推文价值
　　　　评估—强化学习技术105
4.1　强化学习简介106
4.1.1?人工智能发展与强化学习106
4.1.2?强化学习的基本概念108
4.1.3?Q-Learning算法110
4.2　案例实战111
4.3　案例总结115
第5章　关联还款二元因果效应
　　　　模型—因果推断技术116
5.1　因果科学简介117
5.2　因果森林算法简介119
5.3　开发库122
5.4　案例实战122
5.4.1?数据准备123
5.4.2?环境搭建124
5.4.3?代码实战124
5.5?案例总结128
智能风控篇
第6章　电信欺诈洗钱账户识别案
　　　　例——多项机器学习技术132
6.1　案例痛点：银行业反电信诈骗风控
　 　规则的局限性133
6.2　建模技术与场景分析134
6.2.1?“风控规则难以实时动态调整”
　　　　的解决方案：连续实数深度
　　　　特征合成技术134
6.2.2?“风控规则不客观全面”的解
　　　　决方案：无监督对抗机器学
　　　　习技术138
6.2.3?“模糊风控规则表述不清”的
　　　　解决方案：模糊数学控制
　　　　技术149
6.3　案例实战151
6.3.1?环境搭建151
6.3.2?代码实战153
6.4　案例总结162
第7章　从零开发方言语音电话催收
　　　　双模机器人—智能语音
　　　　问答技术164
7.1?方案设计167
7.2?智能语音问答技术170
7.2.1?智能语音问答系统的基本任务170
7.2.2?自动语音识别技术171
7.2.3?QuartzNet模型174
7.2.4?基于自由文本阅读理解的问答
　　　技术176
7.2.5?从文本到语音的合成技术179
7.2.6?迁移学习179
7.3?开发框架180
7.3.1?英伟达对话式AI框架Nemo180
7.3.2?端到端语音处理框架ESPnet180
7.3.3　Transformers模型库181
7.3.4?跨平台GUI框架PyQt5183
7.3.5?SIP与PJSIP框架183
7.4?案例实战185
7.4.1?软硬件环境搭建及运行案例
　　　程序185
7.4.2?代码实战193
7.5?案例总结211
第8章　动产抵押品仓库视觉监控
　　　　项目——图像理解技术212
8.1?方案设计213
8.2?开发库与框架216
8.2.1?计算机视觉处理库OpenCV216
8.2.2?人脸识别开源库Face_
　　　Recognition218
8.2.3?实例分割开源库Yolact219
8.2.4?深度学习图像处理库ImageAI
　　　与目标检测迁移学习224
8.2.5?Django框架和Pyecharts数据
　　　可视化库226
8.3?案例实战227
8.3.1?软硬件环境搭建及运行案例
　　　程序227
8.3.2?代码实战232
8.4?案例总结245
第9章　个人贷款逾期预测项目——
　　　　贝叶斯网络技术247
9.1?贝叶斯网络简介248
9.1.1?贝叶斯学习的概念248
9.1.2?从贝叶斯学习到贝叶斯
　　　网络249
9.2?概率图计算库Pgmpy251
9.3?案例实战252
9.3.1?环境搭建和案例运行252
9.3.2?代码实战252
9.4?案例总结256
智能运营篇
第10章　企业微信私域流量客户