“AI数字财经”微专业课程简介
课程1：Python高级程序设计
本课程以Python语言为基础，以计算科学（如数据结构、算法、计算机网络、数据库、Web程序开发等）的核心知识为主线，以熟练运用Python语言挖掘、清洗、分析、呈现复杂问题为目标。
通过本门课程的学习，学生们可以对Python编程有较为深入的理解；具备自己动手完成算法设计、建模编程、网络爬虫、科研图片绘制、搭建小型网页的能力；拥有自行深入学习其他编程语言、工具库的能力。
本课程的主要内容包括：
（1）Python基础、数据结构
（2）算法导论前沿
（3）计算机网络精选
（4）数据库精选
（5）爬虫技术
（6）Liunx精选
课程2：数据挖掘与机器学习
该课程以数据挖掘与传统机器学习知识为基础，以人工智能、数据处理、建模计算知识为主线，以培养数学思维并在数学思维指导下运用numpy、scipy、sklearn等常用库解决非监督学习、信息抽取、文本聚类等问题为目标。
通过本门课程的学习，学生们可以进一步强化python编程方法；对人工智能的通用性的数据挖掘和深度学习方法有较为深入的理解；具备大规模数据清洗、数据处理的能力；掌握常用聚类分析方法，如K-Means、LDA等；掌握多种决策树模型，如C4.5、XGBoost等；具备通过数据挖掘和机器学习来解决实际的自身学科数据建模的能力。
本课程的主要内容包括：
（1）人工智能导论
（2）数据预处理
（3）数据可视化
（4）异常检测
（5）聚类分析
（6）决策树模型
课程3：深度学习
该课程以深度学习领域中核心概念与前沿知识为基础，以结合金融、财务现实问题的经典神经网络模型为主线，以运用pytorch、torch-lightning等工具解决财经类任务中模型建模、模型训练、模型预测、模型调优为目标。
通过本门课程的学习，学生们将再次强化Python编程技巧，掌握深度学习的基础内容：如卷积神经网络、循环神经网络等；掌握前沿的神经网络构建方法：如FEDFormer、蒸馏学习等；掌握利用神经网络自行搭建神经网络结构来进行金融量化分析、财务分析等实际问题的能力。
本课程的主要内容包括：
（1）前馈、反向传播
（2）优化器
（3）卷积神经网络
（4）循环神经网络
（5）Dropout
（6）残差神经网络
（7）图神经网络
（8）顶会和顶刊论文剖析
课程4：AI数字财经实训
该课程以前期课程学习成果为基础，以在人工智能技术和数字财经领域任务的支持下发表学术论文、参加高水平大赛、开展创新实践为主线，以在实训中将所学大数据、人工智能知识、技能内化为数字素养为目标。
通过本门课程的学习，学生在导师带领下可以结合自身所学主修专业，带领团队参加大学生创新创业训练项目、中国国际“互联网+”创新创业大赛以及本专业的量化交易比赛、财务知识图谱构建、数据挖掘分析等相关比赛，并初步掌握利用大数据、人工智能技术分析解决现实问题，撰写发表学术论文的能力。
本课程的主要内容包括：
（1）财务分析、量化金融等前导专业相关课程
（2）中国国际“互联网+”创新创业大赛等竞赛实训
（3）量化交易、财务知识图谱构建等交叉学科竞赛实训
（4）“数字财经”学术论文撰写实训