Description
CMU博士科研课题
基于数据科学的金融科技
课题简介
基于数据科学的金融科技
Data Science driven FinTech
随着大数据、云计算、人工智能等新一代信息技术的发展和应用，金融和科技发展正在融合。金融科技Fintech能够有效提供金融服务的可获得性和便捷性，降低金融交易成本。消费金融的未来取决于金融科技公司在客户分析方面充分利用大数据的能力。
社交媒体的兴起为金融科技提供了宝贵的数据源，比如目前金融服务已经有基于社交媒体舆情监控的交易策略。Stocktwits是全世界最大的社交投资平台，拥有近200万月活跃用户。通过对用户在该社交媒体上发布的海量内容，进行情感分析(sentiment analysis)， 可以深入了解社交媒体对金融科技的影响。
本课题旨在通过通过统计方法和可视化对金融数据进行分析，并使用几种重要的自然语言处理和机器学习算法，提出初步的金融数据舆情情感分析。学生能在课题中掌握系统的数学和计算机能力。
科研流程
课程模块一：预备课程
在教学过程正式开始前，有方学者会根据学生的具体情况提供数学、统计、英语学术论文写作等预备课程。
课程模块二：科研辅导
来自美国顶尖人工智能的机器学习科研团队将在有方学者团队的配合下，进行8-12周的科研辅导：
微积分、线性代数和概率统计入门；
学习 Python编程语言和相关的库numpy, pandas, scikit-learn, matplotlib；
学习探索性数据分析（Explorative data analysis），并通过统计方法和可视化对金融数据进行分析
学习回归分析(regression)，对金融数据进行社交媒体效应的评估
学习几种重要的自然语言处理和机器学习算法，提出初步的金融数据舆情情感分析；
课题验收需要学生完成英文学术论文的写作，并向科研团队进行答辩。
指导速度可能因实际教学情况而异
课程模块三：论文写作&发表
在科研辅导结束后
项目导师将辅导学生完成论文写作
协助学生完成论文在英文学术期刊上正式发表。
整个科研教学流程中，每一位学员都将有学术督导协助保障研究阶段性作业和论文的进度，确保取得研究成果。
高中生/本科生 科研项目
资讯 · 课程 · 全程指导
咨询请添加顾问老师
授课导师
卡耐基梅隆大学 博士
- CMU全奖工程与公共政策硕士，CMU工程与公共政策学院，在读Phd。
- 深入就计算机、数据科学领域，曾在多个计算机、数据方向顶级会议中有出色表现。曾在International Conference on Social Computing中获得best paper award
- 研究方向：Consumer Switching and Search; Behavior Search costs and consumer shopping behavior in retailing
课题要求
本课题适合： 9-12 年级学生，有较强的逻辑思维和抽象思维能力
本项目适合适合申请STEM专业方向：计算机、数学等相关专业的学生。
英文：
- 文献阅读：能在中外不同的文献平台上检索到与课题内容契合的文献，并能撰写综述或者进行总结。
- 英文：具备英文资料（文献、书籍、网页）阅读的能力，能初步撰写英文文章。
数学：
- 统计基础知识
- 微积分（偏微分）
- 线性代数
计算机：
- 最好有一定的计算机基础。如果没有，以下软件选择一种或多种，在课题开始后的1-2周进行强化学习并能进行初步的应用。
- Python（Jupyter Notebook, Anaconda）
- Linux/Unix command
