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。

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
　　　 　冷启动项目——自动控制
　　　 　技术260
10.1?方案设计262
10.2?开发库266
10.2.1?底层接口库Pywin32266
10.2.2?图像处理库Pillow266
10.2.3?计算机视觉处理库OpenCV266
10.2.4?数据处理库Pandas266
10.2.5?Pynput库267
10.3?案例实战267
10.3.1?软硬件环境搭建及运行案例
　　　　程序267
10.3.2?代码实战268
10.4?案例总结275
第11章　商业银行数据中心智能
　　　 　巡检机器人——计算机
　　　 　视觉技术276
11.1?方案设计277
11.2?计算机视觉技术279
11.2.1?树莓派279
11.2.2?HSV颜色空间281
11.2.3?中值滤波282
11.2.4?边缘计算283
11.3?开发库284
11.4?案例实战285
11.4.1?软硬件环境搭建及运行案例
　　 　程序285
11.4.2?代码实战286
11.5?案例总结292