![[套装书]对抗机器学习+Python金融大数据风控建模实战：基于机器学习（2册）](http://images.china-pub.com/ebook8070001-8075000/8071744/zcover.jpg)
基本信息
编辑推荐
---------------------------Python金融大数据风控建模实战：基于机器学习---------------------------
结合机器学习算法，以真实数据为基础进行信用评分卡模型构建，带领读者零门槛学习金融领域风险控制。立足业务场景，深入剖析金融大数据风控建模的全流程，详解算法原理，系统梳理不同算法的异同与应用场景
内容简介
书籍
计算机书籍
---------------------------对抗机器学习---------------------------
本书由机器学习安全领域的学者撰写，针对存在安全威胁的对抗性环境，讨论如何构建健壮的机器学习系统，全面涵盖所涉及的理论和工具。全书分为四部分，分别讨论对抗机器学习的基本概念、诱发型攻击、探索性攻击和未来发展方向。书中介绍了当前最实用的工具，你将学会利用它们来监测系统安全状态并进行数据分析，从而设计出有效的对策来应对新的网络攻击；详细讨论了隐私保护机制和分类器的近似最优规避，在关于垃圾邮件和网络安全的案例研究中，深入分析了传统机器学习算法为何会被成功击破；全面概述了该领域的最新技术以及未来可能的发展方向。本书适合机器学习、计算机安全、网络安全领域的研究人员、技术人员和学生阅读。
---------------------------Python金融大数据风控建模实战：基于机器学习---------------------------
本书的定位是一本Python金融大数据风控建模的入门级读物。全书包括4篇：背景篇旨在由浅入深地引领读者走进金融科技领域，了解智能风控，系统、全面地认识评分卡；基础篇围绕评分卡构建的全流程，向读者一一讲述每个环节的理论知识，随之进行代码实践，帮助读者获得从0至1构建评分卡模型的工程能力；进阶篇旨在从建模中可能遇到问题出发，提供一些问题解决或模型提升的思路，使建立的评分卡具有更好的业务适应及预测能力；实战篇结合真实信贷场景的数据集，带领读者完成从数据分析至评分卡生成的各个流程，旨在让读者体验真实场景，具备评分卡实战能力，亦可作为读者实际工作中构建评分卡的参考。本书适合有一定Python语言基础的金融风控相关技术人员阅读，也适合想要了解人工智能如何在金融场景应用的开发及业务人员。另外，也适合专业培训机构的学员和相关专业的学生。
计算机书籍
---------------------------对抗机器学习---------------------------
本书由机器学习安全领域的学者撰写，针对存在安全威胁的对抗性环境，讨论如何构建健壮的机器学习系统，全面涵盖所涉及的理论和工具。全书分为四部分，分别讨论对抗机器学习的基本概念、诱发型攻击、探索性攻击和未来发展方向。书中介绍了当前最实用的工具，你将学会利用它们来监测系统安全状态并进行数据分析，从而设计出有效的对策来应对新的网络攻击；详细讨论了隐私保护机制和分类器的近似最优规避，在关于垃圾邮件和网络安全的案例研究中，深入分析了传统机器学习算法为何会被成功击破；全面概述了该领域的最新技术以及未来可能的发展方向。本书适合机器学习、计算机安全、网络安全领域的研究人员、技术人员和学生阅读。
---------------------------Python金融大数据风控建模实战：基于机器学习---------------------------
本书的定位是一本Python金融大数据风控建模的入门级读物。全书包括4篇：背景篇旨在由浅入深地引领读者走进金融科技领域，了解智能风控，系统、全面地认识评分卡；基础篇围绕评分卡构建的全流程，向读者一一讲述每个环节的理论知识，随之进行代码实践，帮助读者获得从0至1构建评分卡模型的工程能力；进阶篇旨在从建模中可能遇到问题出发，提供一些问题解决或模型提升的思路，使建立的评分卡具有更好的业务适应及预测能力；实战篇结合真实信贷场景的数据集，带领读者完成从数据分析至评分卡生成的各个流程，旨在让读者体验真实场景，具备评分卡实战能力，亦可作为读者实际工作中构建评分卡的参考。本书适合有一定Python语言基础的金融风控相关技术人员阅读，也适合想要了解人工智能如何在金融场景应用的开发及业务人员。另外，也适合专业培训机构的学员和相关专业的学生。
作译者
---------------------------对抗机器学习---------------------------
[美] 安东尼·D. 约瑟夫（Anthony D. Joseph） 布莱恩·尼尔森（Blaine Nelson） 本杰明·I. P. 鲁宾斯坦（Benjamin I. P. Rubinstein） J. D. 泰格（J. D. Tygar） 著：---作者简介---
安东尼·D. 约瑟夫（Anthony D. Joseph） 加州大学伯克利分校电气工程与计算机科学系教授，曾任伯克利Intel实验室主管。
布莱恩·尼尔森（Blaine Nelson） 谷歌公司CAT（Counter-Abuse Technology）团队软件工程师，曾任教于波茨坦大学和图宾根大学。
本杰明·I. P. 鲁宾斯坦（Benjamin I. P. Rubinstein） 墨尔本大学计算与信息系统系副教授，曾任职于微软研究院、谷歌研究院和IBM研究院等。
J. D. 泰格（J. D. Tygar） 加州大学伯克利分校教授，在计算机安全领域开展了广泛的研究工作。
---译者简介---
纪守领 浙江大学“百人计划”研究员、教授、博士生导师，现任信息安全系主任、网络空间安全研究中心主任助理。
目录
---------------------------对抗机器学习---------------------------
译者序
致谢
符号表
第一部分对抗机器学习概述
第1章引言
11动机
12安全学习的原则性方法
13安全学习年表
14本书内容概述
第2章背景知识及符号说明
21基本表示
22统计机器学习
221数据
222假设空间
前言
---------------------------Python金融大数据风控建模实战：基于机器学习---------------------------
自2016年以来，金融科技（Fintech）开始风靡国内外金融行业，备受关注。Fintech基于大数据、云计算和人工智能等一系列创新技术，全面应用于支付清算、借贷融资、财富管理、零售银行、保险、交易结算六大金融领域，是金融业未来的主流趋势。Fintech以数据和技术为核心驱动力，正在改变金融行业的生态格局。
Fintech在技术上带来的创新，对金融领域的业务模式、应用和产品产生了深刻的甚至颠覆性的影响。人工智能呼啸而来，催生了智能投顾、智能客服和智能风控等行业的发展。本书聚焦智能风控，结合人工智能技术解决金融行业最核心的问题——风险控制。进行风险控制的关键在于解决信息不对称性，信用评分卡模型是解决这一问题的关键策略。尤其是在金融领域积累了大量数据的前提下，为了充分发挥人工智能的优势，评分卡模型正在逐渐成为信用审核等环节的必要且倚重的手段，其发展前景不可估量。
纵观国内，智能风控领域的图书以信贷理论和业务指导类书籍居多，鲜有能帮助技术人员将业务需求落地实现的工程代码类书籍。本书旨在填补这一空缺，结合真实信贷数据，配合代码实践，引领读者从0至1地构建评分卡模型。
本书采用Python语言进行代码实战。Python在各行各业的应用越来越普及，从云端到客户端，再到物联网终端，Python应用无处不在。更为重要的是，Python语言是人工智能的首选编程语言，本书聚焦的智能风控领域，正是人工智能对金融数据的应用场景，对此，Python具有无可比拟的优势。关于Python语言实践和人工智能算法理论与实践的书籍颇为丰富，而结合信贷领域场景的算法应用类图书却比较稀缺，本书的出版将会改变这一现状。本书的核心内容包括算法理论与Python代码实践，旨在在构建评分卡的全流程内，先进行算法理论讲解，然后再进行代码实践，全面提升读者构建评分卡的理论造诣和工程能力。
本书特色
1. 深入剖析业务背景，易学易用
本书覆盖了大量的业务知识，并力争以对比的方式展现不同业务需求下的建模差异。
* 介绍风控建模流程；
* 以全生命周期为主线介绍不同模型的特点；
* 对建模过程中的每一步都力求给出原因、思考思路和解决办法。
2. 简明介绍机器学习的建模思想，覆盖广泛
本书力争以简明的语言阐述算法原理，并借助少量的公式推导让读者理解算法的实质，广泛覆盖大部分常用算法，梳理并对比不同算法族类的异同。
* 详细介绍机器学习体系，并以整个建模流程为主线展开介绍；
* 重点阐明算法思想，弱化繁杂的公式推导；
媒体评论
---------------------------对抗机器学习---------------------------
很多数据科学领域的工程师往往不知道，他们的自适应机器学习系统是多么容易遭到敌方或竞争对手的操纵和滥用。本书的核心是安全问题：不仅对各类攻击进行了详尽分析，而且包含大量对抗学习的案例；不仅复盘了现有的攻击方式，同时揭示了深度学习系统最近才呈现出的那些令人意想不到的漏洞。
——Richard Lippmann，麻省理工学院，林肯实验室
在安全问题日益受到关注的今天，本书的出版恰逢其时。机器学习已经无处不在，但要人们真正信任机器学习，就必须证明它有多可靠。
——Fabio Roli，意大利卡利亚里大学
---------------------------Python金融大数据风控建模实战：基于机器学习---------------------------
内容简介：
本书是一本基于Python语言的金融大数据风控建模入门读物。书中结合人工智能领域流行的机器学习算法进行信用评分卡模型构建，从而解决金融领域最为核心的风险控制问题。
本书共19章，分为4篇。第1篇“智能风控背景”，旨在由浅入深地引领读者走进金融科技领域，带领他们了解智能风控的相关知识，并全面、系统地认识评分卡；第2篇“评分卡理论与实战基础”，围绕评分卡构建的完整流程，向读者一一讲述每个环节的理论知识，并进行代码实践，帮助读者获得从0到1构建评分卡模型的工程能力；第3篇“评分卡理论与实战进阶”，旨在从建模中可能遇到的问题出发，提供一些解决问题或提升模型效果的思路，使建立的评分卡具有更好的业务适应能力及预测能力；第4篇“Lending Club数据集实战”，结合真实信贷场景的数据集，带领读者完成从数据分析到评分卡生成的各个流程，旨在让读者体验真实的场景，掌握评分卡实战技能，同时为读者在实际工作中构建评分卡提供参考。
本书适合有一定Python语言基础的金融风控从业人员阅读，也适合想要学习人工智能如何应用于金融场景中的开发人员及业务人员阅读。另外，金融、计算机等相关专业的学生，以及金融科技从业人员及相关培训学员也可将本书作为教材或者兴趣读物阅读。
