- 高等教育出版社
- 9787040676907
- 1版
- 16开
内容简介
本书是面向财经类专业的人工智能通识教材，以“理论基础扎实、行业应用鲜明、实践能力突出”为编写原则，系统介绍了人工智能的核心概念、关键技术与典型财经行业应用。
本书共10章，分别介绍了人工智能的概念、发展历程、核心技术及在财经领域的应用，人工智能伦理与治理，机器学习、深度学习、自然语言处理、计算机视觉与知识图谱五大核心技术，人工智能技术开发环境与工具，生成式人工智能与大模型，智慧办公，智慧风控，智能投顾，智慧会计，智慧法务。
本书各章均给出知识目标、能力与素养目标和案例引入，并配有微视频、实践任务及解决方案、电子教案、课后习题等，方便教师教学和学生自学。
本书结构清晰、删繁就简、循序渐进、案例充实得当，既适合作为高等学校大一新生的人工智能通识教材，也可供对人工智能与财经融合感兴趣的从业人员参考使用。
目录
目录
前辅文
第1章 概述
1.1 人工智能的概念
1.1.1 人工智能的定义
1.1.2 人工智能的分类
1.1.3 人工智能的组成要素
1.2 人工智能的发展历程
1.2.1 起源与思想萌芽期（1940—1955年）
1.2.2 形成期（1956—1966年）
1.2.3 低谷与复苏期（1967—1993年）
1.2.4 快速发展期（1994—2010年）
1.2.5 爆发与繁荣期（2011年至今）
1.3 人工智能的核心技术及应用
1.3.1 人工智能的核心技术
1.3.2 人工智能的应用
1.4 人工智能在财经领域的应用
1.4.1 智能投研与量化交易
1.4.2 智能风控与合规管理
1.4.3 智能客服与财富管理
1.4.4 宏观经济预测与政策模拟
1.4.5 财经新闻与舆情分析
1.4.6 会计审计自动化
1.4.7 保险科技
1.5 人工智能面临的挑战与未来发展趋势
1.5.1 人工智能面临的挑战
1.5.2 人工智能的未来发展趋势
本章小结
习题
第2章 人工智能伦理与治理
2.1 人工智能伦理理论基础
2.1.1 伦理学理论框架
2.1.2 人工智能伦理五基石
2.1.3 财经场景下的人工智能伦理的特殊性
2.2 人工智能伦理
2.2.1 数据伦理
2.2.2 算法伦理
2.2.3 责任归属
2.2.4 系统性风险与市场伦理
2.3 人工智能伦理治理
2.3.1 系统全生命周期伦理治理框架
2.3.2 人工智能伦理治理框架
2.3.3 责任伦理的治理机制
2.3.4 智能财经伦理治理
本章小结
习题
第3章 人工智能核心技术
3.1 机器学习概述
3.1.1 机器学习的基础理论
3.1.2 经典机器学习算法
3.1.3 机器学习的简单实例
3.2 深度学习概述
3.2.1 深度学习的基础理论
3.2.2 典型的深度学习网络
3.2.3 深度学习的简单实例
3.3 自然语言处理概述
3.3.1 自然语言处理的基础理论
3.3.2 经典自然语言处理算法
3.3.3 自然语言处理的简单实例
3.4 计算机视觉概述
3.4.1 计算机视觉的基础理论
3.4.2 典型图像处理算法
3.4.3 计算机视觉的简单实例
3.5 知识图谱概述
3.5.1 知识图谱的基础理论
3.5.2 经典知识图谱的构建
3.5.3 知识图谱的简单实例
本章小结
习题
第4章 人工智能技术开发环境与工具
4.1 人工智能技术开发环境
4.1.1 环境配置
4.1.2 PyTorch框架
4.1.3 TensorFlow框架
4.1.4 其他框架
4.1.5 框架选择与对比
4.2 人工智能技术开发工具
4.2.1 Python概述
4.2.2 Python环境搭建
4.2.3 Python编程基础
4.2.4 Python数据分析与科学计算库
4.2.5 Python数据分析与可视化库
本章小结
习题
第5章 生成式人工智能与大模型
5.1 生成式人工智能
5.1.1 生成式人工智能概念
5.1.2 生成任务的类型
5.2 大模型技术
5.2.1 大模型技术的概念与发展
5.2.2 大模型技术的原理与框架
5.2.3 大模型的训练与优化
5.2.4 大模型发展的挑战
5.3 国内外主流大模型及应用示例
5.3.1 国外主流大模型
5.3.2 国内主流大模型
5.3.3 大模型在财经领域的应用示例
5.4 智能体技术
5.4.1 智能体的概念
5.4.2 智能体与大模型的关系
5.4.3 智能体的发展趋势
5.4.4 智能体的应用示例
本章小结
习题
第6章 智慧办公基于DeepSeek的办公自动化应用
6.1 办公软件概述
6.1.1 基本功能
6.1.2 Microsoft Office简介
6.1.3 WPS Office简介
6.2 智能办公环境配置
6.2.1 解锁DeepSeek办公
6.2.2 WPS灵犀助手的唤醒
6.2.3 生成一份简单的工作便签
6.3 智能文档创作
6.3.1 WPS文字基本操作
6.3.2 文档辅助制作与优化
6.3.3 生成一个介绍文档
6.4 智能表格与数据分析
6.4.1 WPS表格的基本操作
6.4.2 表格制作与数据整理
6.4.3 数据智能分析
6.4.4 统计场景应用
6.5 演示文稿的制作
6.5.1 演示文稿的基本操作
6.5.2 演示文稿的智能生成
6.5.3 高效美化与模板适配
6.5.4 生成一个产品介绍演示文稿
本章小结
习题
第7章 智慧风控基于知识图谱的信用风险评估与预警
7.1 智慧风控概述
7.1.1 智慧风控的定义
7.1.2 智慧风控的核心技术框架
7.2 智慧风控的数据、算法与平台
7.2.1 多源数据融合体系
7.2.2 风险控制的核心算法
7.2.3 信用风险的特征工程
7.2.4 风控决策与应用
7.3 基于知识图谱的信用风险智能评估与预警
7.3.1 个人信用知识图谱的构建
7.3.2 基于图谱的信用特征挖掘与向量表示
7.3.3 融合图谱信息的信用风险预测与预警
本章小结
习题
第8章 智能投顾基于机器学习的资产配置与财富管理
8.1 智能投顾概述
8.1.1 智能投顾的定义与特征
8.1.2 智能投顾的发展动因与行业价值
8.1.3 智能投顾的发展历程与驱动力
8.2 智能投顾核心工作流程与技术实现
8.2.1 客户洞察
8.2.2 市场分析
8.2.3 策略生成
8.2.4 交易执行
8.3 基于机器学习的资产配置与财富管理
8.3.1 客户洞察：数据采集、特征量化与风险画像
8.3.2 市场分析：状态识别、模型训练与收益预测
8.3.3 策略生成：数学优化与模型投资组合构建
8.3.4 交易执行：算法执行与动态再平衡
8.4 智能投顾的未来发展
8.4.1 技术演进：从流程自动化到认知决策
8.4.2 模式变革：从独立工具到生态核心
8.4.3 制度构建：从创新探索到可信生态
本章小结
习题
第9章 智慧会计基于深度学习的发票识别与分析
9.1 智慧会计
9.1.1 智慧会计的发展需求
9.1.2 人工智能在会计领域的应用
9.2 发票识别技术基础
9.2.1 发票业务知识
9.2.2 发票自动化识别技术
9.2.3 发票识别的核心技术流程
9.3 基于深度学习的发票识别案例
9.3.1 基于深度学习的识别设计
9.3.2 基于YOLOv3模型的文本检测
9.3.3 基于CRNN的文字识别
9.3.4 基于CTC的文字对齐
9.4 智慧会计的未来发展
本章小结
习题
第10章 智慧法务基于自然语言处理的法律文本处理与分析
10.1 智慧法务概述
10.1.1 智慧法务的发展背景与需求
10.1.2 人工智能在法务领域的应用
10.1.3 智慧法务的挑战与展望
10.2 法律文本处理技术基础
10.2.1 法律业务知识与文本特点
10.2.2 法律文本处理技术概述
10.2.3 法律文本处理核心流程
10.3 法律文本处理与分析实践
10.3.1 数据采集与预处理
10.3.2 文本分析与理解
10.3.3 知识提取与构建
10.3.4 应用输出
10.4 智慧法务的挑战与展望
10.4.1 法律伦理与技术局限性
10.4.2 智慧法务的未来展望
本章小结
习题
参考文献
前辅文
第1章 概述
1.1 人工智能的概念
1.1.1 人工智能的定义
1.1.2 人工智能的分类
1.1.3 人工智能的组成要素
1.2 人工智能的发展历程
1.2.1 起源与思想萌芽期（1940—1955年）
1.2.2 形成期（1956—1966年）
1.2.3 低谷与复苏期（1967—1993年）
1.2.4 快速发展期（1994—2010年）
1.2.5 爆发与繁荣期（2011年至今）
1.3 人工智能的核心技术及应用
1.3.1 人工智能的核心技术
1.3.2 人工智能的应用
1.4 人工智能在财经领域的应用
1.4.1 智能投研与量化交易
1.4.2 智能风控与合规管理
1.4.3 智能客服与财富管理
1.4.4 宏观经济预测与政策模拟
1.4.5 财经新闻与舆情分析
1.4.6 会计审计自动化
1.4.7 保险科技
1.5 人工智能面临的挑战与未来发展趋势
1.5.1 人工智能面临的挑战
1.5.2 人工智能的未来发展趋势
本章小结
习题
第2章 人工智能伦理与治理
2.1 人工智能伦理理论基础
2.1.1 伦理学理论框架
2.1.2 人工智能伦理五基石
2.1.3 财经场景下的人工智能伦理的特殊性
2.2 人工智能伦理
2.2.1 数据伦理
2.2.2 算法伦理
2.2.3 责任归属
2.2.4 系统性风险与市场伦理
2.3 人工智能伦理治理
2.3.1 系统全生命周期伦理治理框架
2.3.2 人工智能伦理治理框架
2.3.3 责任伦理的治理机制
2.3.4 智能财经伦理治理
本章小结
习题
第3章 人工智能核心技术
3.1 机器学习概述
3.1.1 机器学习的基础理论
3.1.2 经典机器学习算法
3.1.3 机器学习的简单实例
3.2 深度学习概述
3.2.1 深度学习的基础理论
3.2.2 典型的深度学习网络
3.2.3 深度学习的简单实例
3.3 自然语言处理概述
3.3.1 自然语言处理的基础理论
3.3.2 经典自然语言处理算法
3.3.3 自然语言处理的简单实例
3.4 计算机视觉概述
3.4.1 计算机视觉的基础理论
3.4.2 典型图像处理算法
3.4.3 计算机视觉的简单实例
3.5 知识图谱概述
3.5.1 知识图谱的基础理论
3.5.2 经典知识图谱的构建
3.5.3 知识图谱的简单实例
本章小结
习题
第4章 人工智能技术开发环境与工具
4.1 人工智能技术开发环境
4.1.1 环境配置
4.1.2 PyTorch框架
4.1.3 TensorFlow框架
4.1.4 其他框架
4.1.5 框架选择与对比
4.2 人工智能技术开发工具
4.2.1 Python概述
4.2.2 Python环境搭建
4.2.3 Python编程基础
4.2.4 Python数据分析与科学计算库
4.2.5 Python数据分析与可视化库
本章小结
习题
第5章 生成式人工智能与大模型
5.1 生成式人工智能
5.1.1 生成式人工智能概念
5.1.2 生成任务的类型
5.2 大模型技术
5.2.1 大模型技术的概念与发展
5.2.2 大模型技术的原理与框架
5.2.3 大模型的训练与优化
5.2.4 大模型发展的挑战
5.3 国内外主流大模型及应用示例
5.3.1 国外主流大模型
5.3.2 国内主流大模型
5.3.3 大模型在财经领域的应用示例
5.4 智能体技术
5.4.1 智能体的概念
5.4.2 智能体与大模型的关系
5.4.3 智能体的发展趋势
5.4.4 智能体的应用示例
本章小结
习题
第6章 智慧办公基于DeepSeek的办公自动化应用
6.1 办公软件概述
6.1.1 基本功能
6.1.2 Microsoft Office简介
6.1.3 WPS Office简介
6.2 智能办公环境配置
6.2.1 解锁DeepSeek办公
6.2.2 WPS灵犀助手的唤醒
6.2.3 生成一份简单的工作便签
6.3 智能文档创作
6.3.1 WPS文字基本操作
6.3.2 文档辅助制作与优化
6.3.3 生成一个介绍文档
6.4 智能表格与数据分析
6.4.1 WPS表格的基本操作
6.4.2 表格制作与数据整理
6.4.3 数据智能分析
6.4.4 统计场景应用
6.5 演示文稿的制作
6.5.1 演示文稿的基本操作
6.5.2 演示文稿的智能生成
6.5.3 高效美化与模板适配
6.5.4 生成一个产品介绍演示文稿
本章小结
习题
第7章 智慧风控基于知识图谱的信用风险评估与预警
7.1 智慧风控概述
7.1.1 智慧风控的定义
7.1.2 智慧风控的核心技术框架
7.2 智慧风控的数据、算法与平台
7.2.1 多源数据融合体系
7.2.2 风险控制的核心算法
7.2.3 信用风险的特征工程
7.2.4 风控决策与应用
7.3 基于知识图谱的信用风险智能评估与预警
7.3.1 个人信用知识图谱的构建
7.3.2 基于图谱的信用特征挖掘与向量表示
7.3.3 融合图谱信息的信用风险预测与预警
本章小结
习题
第8章 智能投顾基于机器学习的资产配置与财富管理
8.1 智能投顾概述
8.1.1 智能投顾的定义与特征
8.1.2 智能投顾的发展动因与行业价值
8.1.3 智能投顾的发展历程与驱动力
8.2 智能投顾核心工作流程与技术实现
8.2.1 客户洞察
8.2.2 市场分析
8.2.3 策略生成
8.2.4 交易执行
8.3 基于机器学习的资产配置与财富管理
8.3.1 客户洞察：数据采集、特征量化与风险画像
8.3.2 市场分析：状态识别、模型训练与收益预测
8.3.3 策略生成：数学优化与模型投资组合构建
8.3.4 交易执行：算法执行与动态再平衡
8.4 智能投顾的未来发展
8.4.1 技术演进：从流程自动化到认知决策
8.4.2 模式变革：从独立工具到生态核心
8.4.3 制度构建：从创新探索到可信生态
本章小结
习题
第9章 智慧会计基于深度学习的发票识别与分析
9.1 智慧会计
9.1.1 智慧会计的发展需求
9.1.2 人工智能在会计领域的应用
9.2 发票识别技术基础
9.2.1 发票业务知识
9.2.2 发票自动化识别技术
9.2.3 发票识别的核心技术流程
9.3 基于深度学习的发票识别案例
9.3.1 基于深度学习的识别设计
9.3.2 基于YOLOv3模型的文本检测
9.3.3 基于CRNN的文字识别
9.3.4 基于CTC的文字对齐
9.4 智慧会计的未来发展
本章小结
习题
第10章 智慧法务基于自然语言处理的法律文本处理与分析
10.1 智慧法务概述
10.1.1 智慧法务的发展背景与需求
10.1.2 人工智能在法务领域的应用
10.1.3 智慧法务的挑战与展望
10.2 法律文本处理技术基础
10.2.1 法律业务知识与文本特点
10.2.2 法律文本处理技术概述
10.2.3 法律文本处理核心流程
10.3 法律文本处理与分析实践
10.3.1 数据采集与预处理
10.3.2 文本分析与理解
10.3.3 知识提取与构建
10.3.4 应用输出
10.4 智慧法务的挑战与展望
10.4.1 法律伦理与技术局限性
10.4.2 智慧法务的未来展望
本章小结
习题
参考文献
前辅文
第1章 概述
1.1 人工智能的概念
1.1.1 人工智能的定义
1.1.2 人工智能的分类
1.1.3 人工智能的组成要素
1.2 人工智能的发展历程
1.2.1 起源与思想萌芽期（1940—1955年）
1.2.2 形成期（1956—1966年）
1.2.3 低谷与复苏期（1967—1993年）
1.2.4 快速发展期（1994—2010年）
1.2.5 爆发与繁荣期（2011年至今）
1.3 人工智能的核心技术及应用
1.3.1 人工智能的核心技术
1.3.2 人工智能的应用
1.4 人工智能在财经领域的应用
1.4.1 智能投研与量化交易
1.4.2 智能风控与合规管理
1.4.3 智能客服与财富管理
1.4.4 宏观经济预测与政策模拟
1.4.5 财经新闻与舆情分析
1.4.6 会计审计自动化
1.4.7 保险科技
1.5 人工智能面临的挑战与未来发展趋势
1.5.1 人工智能面临的挑战
1.5.2 人工智能的未来发展趋势
本章小结
习题
第2章 人工智能伦理与治理
2.1 人工智能伦理理论基础
2.1.1 伦理学理论框架
2.1.2 人工智能伦理五基石
2.1.3 财经场景下的人工智能伦理的特殊性
2.2 人工智能伦理
2.2.1 数据伦理
2.2.2 算法伦理
2.2.3 责任归属
2.2.4 系统性风险与市场伦理
2.3 人工智能伦理治理
2.3.1 系统全生命周期伦理治理框架
2.3.2 人工智能伦理治理框架
2.3.3 责任伦理的治理机制
2.3.4 智能财经伦理治理
本章小结
习题
第3章 人工智能核心技术
3.1 机器学习概述
3.1.1 机器学习的基础理论
3.1.2 经典机器学习算法
3.1.3 机器学习的简单实例
3.2 深度学习概述
3.2.1 深度学习的基础理论
3.2.2 典型的深度学习网络
3.2.3 深度学习的简单实例
3.3 自然语言处理概述
3.3.1 自然语言处理的基础理论
3.3.2 经典自然语言处理算法
3.3.3 自然语言处理的简单实例
3.4 计算机视觉概述
3.4.1 计算机视觉的基础理论
3.4.2 典型图像处理算法
3.4.3 计算机视觉的简单实例
3.5 知识图谱概述
3.5.1 知识图谱的基础理论
3.5.2 经典知识图谱的构建
3.5.3 知识图谱的简单实例
本章小结
习题
第4章 人工智能技术开发环境与工具
4.1 人工智能技术开发环境
4.1.1 环境配置
4.1.2 PyTorch框架
4.1.3 TensorFlow框架
4.1.4 其他框架
4.1.5 框架选择与对比
4.2 人工智能技术开发工具
4.2.1 Python概述
4.2.2 Python环境搭建
4.2.3 Python编程基础
4.2.4 Python数据分析与科学计算库
4.2.5 Python数据分析与可视化库
本章小结
习题
第5章 生成式人工智能与大模型
5.1 生成式人工智能
5.1.1 生成式人工智能概念
5.1.2 生成任务的类型
5.2 大模型技术
5.2.1 大模型技术的概念与发展
5.2.2 大模型技术的原理与框架
5.2.3 大模型的训练与优化
5.2.4 大模型发展的挑战
5.3 国内外主流大模型及应用示例
5.3.1 国外主流大模型
5.3.2 国内主流大模型
5.3.3 大模型在财经领域的应用示例
5.4 智能体技术
5.4.1 智能体的概念
5.4.2 智能体与大模型的关系
5.4.3 智能体的发展趋势
5.4.4 智能体的应用示例
本章小结
习题
第6章 智慧办公基于DeepSeek的办公自动化应用
6.1 办公软件概述
6.1.1 基本功能
6.1.2 Microsoft Office简介
6.1.3 WPS Office简介
6.2 智能办公环境配置
6.2.1 解锁DeepSeek办公
6.2.2 WPS灵犀助手的唤醒
6.2.3 生成一份简单的工作便签
6.3 智能文档创作
6.3.1 WPS文字基本操作
6.3.2 文档辅助制作与优化
6.3.3 生成一个介绍文档
6.4 智能表格与数据分析
6.4.1 WPS表格的基本操作
6.4.2 表格制作与数据整理
6.4.3 数据智能分析
6.4.4 统计场景应用
6.5 演示文稿的制作
6.5.1 演示文稿的基本操作
6.5.2 演示文稿的智能生成
6.5.3 高效美化与模板适配
6.5.4 生成一个产品介绍演示文稿
本章小结
习题
第7章 智慧风控基于知识图谱的信用风险评估与预警
7.1 智慧风控概述
7.1.1 智慧风控的定义
7.1.2 智慧风控的核心技术框架
7.2 智慧风控的数据、算法与平台
7.2.1 多源数据融合体系
7.2.2 风险控制的核心算法
7.2.3 信用风险的特征工程
7.2.4 风控决策与应用
7.3 基于知识图谱的信用风险智能评估与预警
7.3.1 个人信用知识图谱的构建
7.3.2 基于图谱的信用特征挖掘与向量表示
7.3.3 融合图谱信息的信用风险预测与预警
本章小结
习题
第8章 智能投顾基于机器学习的资产配置与财富管理
8.1 智能投顾概述
8.1.1 智能投顾的定义与特征
8.1.2 智能投顾的发展动因与行业价值
8.1.3 智能投顾的发展历程与驱动力
8.2 智能投顾核心工作流程与技术实现
8.2.1 客户洞察
8.2.2 市场分析
8.2.3 策略生成
8.2.4 交易执行
8.3 基于机器学习的资产配置与财富管理
8.3.1 客户洞察：数据采集、特征量化与风险画像
8.3.2 市场分析：状态识别、模型训练与收益预测
8.3.3 策略生成：数学优化与模型投资组合构建
8.3.4 交易执行：算法执行与动态再平衡
8.4 智能投顾的未来发展
8.4.1 技术演进：从流程自动化到认知决策
8.4.2 模式变革：从独立工具到生态核心
8.4.3 制度构建：从创新探索到可信生态
本章小结
习题
第9章 智慧会计基于深度学习的发票识别与分析
9.1 智慧会计
9.1.1 智慧会计的发展需求
9.1.2 人工智能在会计领域的应用
9.2 发票识别技术基础
9.2.1 发票业务知识
9.2.2 发票自动化识别技术
9.2.3 发票识别的核心技术流程
9.3 基于深度学习的发票识别案例
9.3.1 基于深度学习的识别设计
9.3.2 基于YOLOv3模型的文本检测
9.3.3 基于CRNN的文字识别
9.3.4 基于CTC的文字对齐
9.4 智慧会计的未来发展
本章小结
习题
第10章 智慧法务基于自然语言处理的法律文本处理与分析
10.1 智慧法务概述
10.1.1 智慧法务的发展背景与需求
10.1.2 人工智能在法务领域的应用
10.1.3 智慧法务的挑战与展望
10.2 法律文本处理技术基础
10.2.1 法律业务知识与文本特点
10.2.2 法律文本处理技术概述
10.2.3 法律文本处理核心流程
10.3 法律文本处理与分析实践
10.3.1 数据采集与预处理
10.3.2 文本分析与理解
10.3.3 知识提取与构建
10.3.4 应用输出
10.4 智慧法务的挑战与展望
10.4.1 法律伦理与技术局限性
10.4.2 智慧法务的未来展望
本章小结
习题
参考文献
前辅文
第1章 概述
1.1 人工智能的概念
1.1.1 人工智能的定义
1.1.2 人工智能的分类
1.1.3 人工智能的组成要素
1.2 人工智能的发展历程
1.2.1 起源与思想萌芽期（1940—1955年）
1.2.2 形成期（1956—1966年）
1.2.3 低谷与复苏期（1967—1993年）
1.2.4 快速发展期（1994—2010年）
1.2.5 爆发与繁荣期（2011年至今）
1.3 人工智能的核心技术及应用
1.3.1 人工智能的核心技术
1.3.2 人工智能的应用
1.4 人工智能在财经领域的应用
1.4.1 智能投研与量化交易
1.4.2 智能风控与合规管理
1.4.3 智能客服与财富管理
1.4.4 宏观经济预测与政策模拟
1.4.5 财经新闻与舆情分析
1.4.6 会计审计自动化
1.4.7 保险科技
1.5 人工智能面临的挑战与未来发展趋势
1.5.1 人工智能面临的挑战
1.5.2 人工智能的未来发展趋势
本章小结
习题
第2章 人工智能伦理与治理
2.1 人工智能伦理理论基础
2.1.1 伦理学理论框架
2.1.2 人工智能伦理五基石
2.1.3 财经场景下的人工智能伦理的特殊性
2.2 人工智能伦理
2.2.1 数据伦理
2.2.2 算法伦理
2.2.3 责任归属
2.2.4 系统性风险与市场伦理
2.3 人工智能伦理治理
2.3.1 系统全生命周期伦理治理框架
2.3.2 人工智能伦理治理框架
2.3.3 责任伦理的治理机制
2.3.4 智能财经伦理治理
本章小结
习题
第3章 人工智能核心技术
3.1 机器学习概述
3.1.1 机器学习的基础理论
3.1.2 经典机器学习算法
3.1.3 机器学习的简单实例
3.2 深度学习概述
3.2.1 深度学习的基础理论
3.2.2 典型的深度学习网络
3.2.3 深度学习的简单实例
3.3 自然语言处理概述
3.3.1 自然语言处理的基础理论
3.3.2 经典自然语言处理算法
3.3.3 自然语言处理的简单实例
3.4 计算机视觉概述
3.4.1 计算机视觉的基础理论
3.4.2 典型图像处理算法
3.4.3 计算机视觉的简单实例
3.5 知识图谱概述
3.5.1 知识图谱的基础理论
3.5.2 经典知识图谱的构建
3.5.3 知识图谱的简单实例
本章小结
习题
第4章 人工智能技术开发环境与工具
4.1 人工智能技术开发环境
4.1.1 环境配置
4.1.2 PyTorch框架
4.1.3 TensorFlow框架
4.1.4 其他框架
4.1.5 框架选择与对比
4.2 人工智能技术开发工具
4.2.1 Python概述
4.2.2 Python环境搭建
4.2.3 Python编程基础
4.2.4 Python数据分析与科学计算库
4.2.5 Python数据分析与可视化库
本章小结
习题
第5章 生成式人工智能与大模型
5.1 生成式人工智能
5.1.1 生成式人工智能概念
5.1.2 生成任务的类型
5.2 大模型技术
5.2.1 大模型技术的概念与发展
5.2.2 大模型技术的原理与框架
5.2.3 大模型的训练与优化
5.2.4 大模型发展的挑战
5.3 国内外主流大模型及应用示例
5.3.1 国外主流大模型
5.3.2 国内主流大模型
5.3.3 大模型在财经领域的应用示例
5.4 智能体技术
5.4.1 智能体的概念
5.4.2 智能体与大模型的关系
5.4.3 智能体的发展趋势
5.4.4 智能体的应用示例
本章小结
习题
第6章 智慧办公基于DeepSeek的办公自动化应用
6.1 办公软件概述
6.1.1 基本功能
6.1.2 Microsoft Office简介
6.1.3 WPS Office简介
6.2 智能办公环境配置
6.2.1 解锁DeepSeek办公
6.2.2 WPS灵犀助手的唤醒
6.2.3 生成一份简单的工作便签
6.3 智能文档创作
6.3.1 WPS文字基本操作
6.3.2 文档辅助制作与优化
6.3.3 生成一个介绍文档
6.4 智能表格与数据分析
6.4.1 WPS表格的基本操作
6.4.2 表格制作与数据整理
6.4.3 数据智能分析
6.4.4 统计场景应用
6.5 演示文稿的制作
6.5.1 演示文稿的基本操作
6.5.2 演示文稿的智能生成
6.5.3 高效美化与模板适配
6.5.4 生成一个产品介绍演示文稿
本章小结
习题
第7章 智慧风控基于知识图谱的信用风险评估与预警
7.1 智慧风控概述
7.1.1 智慧风控的定义
7.1.2 智慧风控的核心技术框架
7.2 智慧风控的数据、算法与平台
7.2.1 多源数据融合体系
7.2.2 风险控制的核心算法
7.2.3 信用风险的特征工程
7.2.4 风控决策与应用
7.3 基于知识图谱的信用风险智能评估与预警
7.3.1 个人信用知识图谱的构建
7.3.2 基于图谱的信用特征挖掘与向量表示
7.3.3 融合图谱信息的信用风险预测与预警
本章小结
习题
第8章 智能投顾基于机器学习的资产配置与财富管理
8.1 智能投顾概述
8.1.1 智能投顾的定义与特征
8.1.2 智能投顾的发展动因与行业价值
8.1.3 智能投顾的发展历程与驱动力
8.2 智能投顾核心工作流程与技术实现
8.2.1 客户洞察
8.2.2 市场分析
8.2.3 策略生成
8.2.4 交易执行
8.3 基于机器学习的资产配置与财富管理
8.3.1 客户洞察：数据采集、特征量化与风险画像
8.3.2 市场分析：状态识别、模型训练与收益预测
8.3.3 策略生成：数学优化与模型投资组合构建
8.3.4 交易执行：算法执行与动态再平衡
8.4 智能投顾的未来发展
8.4.1 技术演进：从流程自动化到认知决策
8.4.2 模式变革：从独立工具到生态核心
8.4.3 制度构建：从创新探索到可信生态
本章小结
习题
第9章 智慧会计基于深度学习的发票识别与分析
9.1 智慧会计
9.1.1 智慧会计的发展需求
9.1.2 人工智能在会计领域的应用
9.2 发票识别技术基础
9.2.1 发票业务知识
9.2.2 发票自动化识别技术
9.2.3 发票识别的核心技术流程
9.3 基于深度学习的发票识别案例
9.3.1 基于深度学习的识别设计
9.3.2 基于YOLOv3模型的文本检测
9.3.3 基于CRNN的文字识别
9.3.4 基于CTC的文字对齐
9.4 智慧会计的未来发展
本章小结
习题
第10章 智慧法务基于自然语言处理的法律文本处理与分析
10.1 智慧法务概述
10.1.1 智慧法务的发展背景与需求
10.1.2 人工智能在法务领域的应用
10.1.3 智慧法务的挑战与展望
10.2 法律文本处理技术基础
10.2.1 法律业务知识与文本特点
10.2.2 法律文本处理技术概述
10.2.3 法律文本处理核心流程
10.3 法律文本处理与分析实践
10.3.1 数据采集与预处理
10.3.2 文本分析与理解
10.3.3 知识提取与构建
10.3.4 应用输出
10.4 智慧法务的挑战与展望
10.4.1 法律伦理与技术局限性
10.4.2 智慧法务的未来展望
本章小结
习题
参考文献
