课程介绍
本课程面向没有编程开发经验、希望用机器学习分析金融问题的商学院本科生。课程共 19 章、54 学时，从直观问题出发，通过真实数据、简单计算和可运行代码逐步介绍常用方法。
建议学习顺序：第 1—2 章 → 第 6 章 → 第 3—5 章 → 第 7—19 章。 第 6 章先介绍如何按时间划分训练、验证和最终测试数据，便于后续正确比较模型。
学习路径与核心产出
| 模块 | 章节入口 | 核心问题 | 学习成果 |
|---|---|---|---|
| 数据与数量基础 | 第 1 章 · 第 2 章 | 数据如何存储、清洗、度量与可视化？ | 整理数据并完成探索性分析 |
| 模型验证基础 | 第 6 章 | 如何避免在建模时提前使用未来信息？ | 按时间划分数据并比较模型 |
| 监督学习基础 | 第 3 章 · 第 4 章 · 第 5 章 | 如何建立回归、分类和非线性基准？ | 基准模型与误差诊断 |
| 正则化选择 | 第 7 章 | 如何只用较早数据选择模型复杂度？ | 比较 Ridge 与 Lasso |
| 树与集成 | 第 8 章 · 第 9 章 | 如何用非线性分割与模型组合提升预测？ | 决策树与集成模型评估 |
| 深度学习与解释 | 第 10 章 · 第 11 章 | 如何训练并谨慎解释复杂模型？ | 比较神经网络并解释预测结果 |
| 无监督与数据质量 | 第 12 章 · 第 13 章 · 第 14 章 | 降维、分群和插补何时有效？ | 说明方法假设并检查结果变化 |
| 非结构化与大数据 | 第 15 章 · 第 16 章 · 第 17 章 · 第 18 章 | 如何处理文本、LLM、图像、声音与大规模数据？ | 完成基础分析并了解适用范围 |
| 综合应用 | 第 19 章 | 如何把机器学习用于资产定价研究？ | 完成一个综合项目 |
课程数据
作者和读者使用同一组公开数据。发布环境优先读取已挂载的课程数据；普通读者环境先复用 data/course/ 缓存，文件仍不存在时才下载。也可以从课程数据清单手动下载。
课程课件
下方按章节顺序列出全部 19 份课件。点击任一卡片即可进入对应章节，课件页底部可返回本目录。