近日，中国工商银行举办 AI 驱动数据分析与机器学习专题内训，来自工行各数据中心、运营管理、信息部、金融科技部等部门的几十名学员参加了本次培训。本次培训由 CDA 数据科学研究院徐杨老师授课，围绕数据分析、机器学习建模与深度学习大模型前沿应用展开系统教学，助力学员提升数据能力、紧跟人工智能技术发展前沿。

课程内容：从机器学习建模到深度学习大模型

本次培训课程覆盖从传统机器学习到前沿深度学习大模型的完整知识链条。培训前两日聚焦机器学习核心算法，以保险产品购买行为预测为实战案例，系统讲授逻辑回归、决策树、随机森林、XGBoost、LightGBM 等主流算法的原理与应用，并针对类别不平衡、超参数调优（网格搜索、Halving Search）等建模痛点开展专题训练，帮助学员建立从数据处理、特征工程到模型评估的标准化建模工作流。

培训后两日转入金融风控实战。在企业破产预测案例中，学员基于企业财务指标构建多提前量（1—5 年）风险预测模型，学习类别不平衡处理、回归建模与模型可解释性分析；在企业非法集资风险预测案例中，学员融合工商注册、年报、税务、变更、舆情等 7 张关联表数据，完成从数据清洗、特征工程到模型训练的全流程实战，构建"早发现、早预警"的高风险企业识别模型。

深度学习专题聚焦金融行业前沿。专家系统讲解了 TabNet、TabTransformer、SAINT、TabDDPM/CTGAN、TableLlama、TimeGPT、PatchTST/iTransformer、MT-TFT、DocLLM 等九大前沿深度学习大模型在金融领域的应用，并带领学员完成 TabNet 贷款审批场景实战，体验模型如何通过特征掩码实现样本级可解释决策，满足金融监管对模型可解释性的要求。

应用方向：覆盖信贷风控与智能经营全场景

课程内容紧密围绕银行实际业务需求，覆盖获客营销、信用评分、反欺诈、风险预警、交叉销售、客户画像等核心场景。针对信贷审批，学员掌握了兼顾精度与可解释性的深度学习建模方案；针对风险管理，构建了企业破产与非法集资风险预警模型；针对客户经营，学员基于零售银行多关系数据完成贷款首贷营销、负余额风险预警、信用卡交叉销售、高现金依赖客户迁移、发卡后 90 日首刷等五个方向的建模探索，并产出经营洞察数据看板，实现"数据—分析—决策"的完整闭环。

AI 提效：以智能工具释放人力

培训充分体现 AI 在业务应用中的高效率。TabNet 等深度学习模型通过注意力机制自动完成特征选择，替代大量人工特征工程，显著缩短建模周期；DocLLM 等文档大模型可自动化解析财务报表、发票等复杂文档，将原本耗时数日的财报数据清洗压缩至分钟级；TimeGPT 等时序基础大模型支持零样本预测，无需反复训练即可快速输出预测结果，为学员展示了"AI+金融"的高效落地路径。

本次培训切实提升了学员的数据分析与建模能力，使学员能够更高效地处理业务数据、为经营决策提供精准支持，同时掌握了 AI 工具与前沿模型的应用方法，提高了自动化水平和整体工作效率。学员纷纷表示，将把培训所学转化为实际业务成果，学有所成、学以致用，为工行深入贯彻数字化转型工作部署、落实人才强企指导意见、提升数字化专业技术人才的数据分析能力与专业素养打下坚实基础。