新書推薦：
《
财源滚滚：20堂财富破局课
》
售價：HK$
76.8
《
然后没有你的九月来临了
》
售價：HK$
47.1
《
图画书中的学科阅读（魔法象·阅读学园）
》
售價：HK$
65.8
《
木本植物类中药汇编
》
售價：HK$
140.8
《
异次元社交
》
售價：HK$
74.8
《
抉择时刻：那些原本可以改变世界的演讲
》
售價：HK$
65.8
《
海外中国研究·元代江南政治社会史研究
》
售價：HK$
118.8
《
加密货币突破数字边界
》
售價：HK$
75.9
|
| 內容簡介： |
DeepSeek 作为大模型领域的佼佼者，以其强大的计算能力、推理能力和开源特性，为金融业提供了从智能决策到风险防控的全方位支持。本书旨在通过全面的技术框架与行业实践，帮助金融从业者掌握 DeepSeek 大模型在金融场景中的开发与应用。全书共9章，从大模型的基础概念与 DeepSeek 的核心技术出发，逐步深入到开发环境准备、提示工程、开发框架、微调与对齐，以及风险管理、反洗钱、个性化投资策略等实战案例。作者结合 LangChain 框架、向量数据库等工具，向读者详细展示了如何将 DeepSeek 的能力转化为业务成果。本书既具理论深度，又注重实操指导，力求为读者提供从技术到应用的完整解决方案。随书附赠案例源码，获取方式见封底。
本书适合人工智能相关专业以及金融行业相关技术人员阅读，也可以作为大中专院校相关专业师生的参考用书。
|
| 關於作者： |
钱兴会
北京市人工智能行业协会专家、清华大数据产业联盟专家委员会专家、广东大数据产业联盟专家委员。曾任职于知名金融科技企业、国际型银行、世界知名资产管理集团，服务了数十家大型银行、证券、保险企业。专业背景涵盖了风险管理、客户行为分析以及产品优化等多个领域，拥有多年金融人工智能项目经验，擅长通过人工智能提升业务效率与决策质量。在金融领域的多项数据驱动项目中发挥了关键作用，通过构建高效的数据模型，帮助金融机构实现了信贷审批流程的优化和客户关系的精细化管理。除了技术能力，还具备出色的项目管理和团队协作能力，曾成功带领团队完成多个大型人工智能项目。拥有多项软件著作权、专利，发表多篇金融人工智能方向专业论文。
相雪
澳大利亚莫纳什大学银行和金融专业硕士，前世界知名资产管理集团风险分析专家、数据科学家。在数据分析、风险管理和市场营销领域积累了大量专业知识，尤其擅长利用大数据与AI技术优化信贷决策和客户关系管理。曾领导多个项目成功落地，通过精准的数据模型和深入的市场洞察，帮助金融机构提升了风险控制能力和营销效果。对行业趋势有敏锐的洞察力，善于运用先进的分析工具将复杂的数据转化为可行的商业策略。此外，热衷于分享知识，积极参与行业研讨会和培训课程，致力于推动金融行业的数字化转型与创新发展。
|
| 目錄：
|
前言
第1章 解密大模型：金融科技新时代/
1.1大模型的定义与类型/
1.1.1什么是大模型/
1.1.2国内外主流大模型介绍/
1.1.3大模型基础：Token、算力/
1.1.4大模型基础：Transfomer、Embedding/
1.2大模型核心能力场景/
1.2.1基础场景：自然语言处理等/
1.2.2复杂场景：篇章生成等/
1.2.3多模态识别：图像、视频、语音的分析生成/
1.2.4推理能力/
1.3金融大模型的典型应用场景/
1.3.1风险管理/
1.3.2市场预测/
1.3.3客户服务/
1.4DeepSeek大模型介绍/
1.4.1DeepSeek大模型发展历程与重点突破/
1.4.2DeepSeek-V3模型原理与价值/
1.4.3DeepSeek-R1模型原理与价值/
第2章 DeepSeek金融大模型开发环境准备与提示工程/
2.1金融大模型应用的形态/
2.1.1大模型原生能力应用/
2.1.2RAG应用/
2.1.3Agent应用/
2.1.4Copilot应用/
2.2DeepSeek大模型开发体验/
2.2.1Python环境搭建/
2.2.2注册DeepSeek访问服务/
2.2.3私有化部署DeepSeek模型/
2.2.4大模型使用示例/
2.3大模型核心基础：提示工程/
2.3.1提示工程介绍/
2.3.2提示工程指令：Zero-Shot指令/
2.3.3提示工程指令：Few-Shot指令/
2.3.4提示工程指令：CoT指令/
2.3.5提示工程指令模板设计/
第3章 DeepSeek金融大模型开发框架/
3.1大模型开发框架：LangChain/
3.1.1LangChain的基本概念与生态/
3.1.2基于LangChain开发大模型应用的过程/
3.1.3实操：LangChain环境搭建/
3.1.4实操：LangChain调用DeepSeek模型服务/
3.1.5实操：LangChain开发RAG应用/
3.1.6实操：LangChain开发Agent应用/
3.2向量工具/
3.2.1Embedding概述/
3.2.2基于LangChain的Embedding开发实例/
3.3向量数据库/
3.3.1向量数据库技术原理介绍/
3.3.2常见向量数据库介绍/
3.3.3基于LangChain调用向量数据库/
第4章 DeepSeek金融大模型微调与对齐/
4.1大模型微调流程与工具/
4.1.1直觉大模型微调流程与模型评估/
4.1.2推理大模型微调流程与模型评估/
4.1.3大模型训练工具/
4.2金融直觉大模型领域微调实践/
4.2.1金融直觉大模型微调背景/
4.2.2基于DeepSeek的SFT/
4.2.3基于DeepSeek的RLHF微调/
4.3金融推理大模型领域微调实践/
4.3.1金融推理大模型微调背景/
4.3.2DeepSeek-R1实现金融推理模型训练/
4.3.3DeepSeek的强化学习训练/
4.3.4DeepSeek的模型蒸馏/
第5章 DeepSeek金融大模型赋能风险管理：信贷审核助手/
5.1案例背景与业务需求/
5.1.1信贷审核助手的定义/
5.1.2业务需求分析/
5.1.3项目实施阶段划分与预期效果/
5.2信贷审核助手功能设计/
5.2.1大模型场景匹配/
5.2.2功能设计/
5.2.3应用层技术架构设计/
5.2.4模型选型/
5.2.5指令设计/
5.3模型领域对齐/
5.3.1领域数据准备/
5.3.2模型对齐与微调脚本/
5.3.3模型微调效果评估/
5.4上机实战：信贷审核助手应用开发/
5.4.1信贷审核助手应用程序结构/
5.4.2信贷审核助手功能实现：知识助手（信贷制度问答）/
5.4.3信贷审核助手功能实现：数据助手（智能取数）/
5.4.4信贷审核助手功能实现：任务助手（融资方案推荐）/
5.4.5信贷审核助手功能实现：文档助手（尽调报告撰写）/
5.4.6信贷审核助手功能实现：风控助手（舆情风险分析）/
5.4.7信贷审核助手功能实现：软件界面实现/
5.5实验结果与性能评估/
5.5.1实验评价设计/
5.5.2性能评估与改进/
第6章 DeepSeek大模型赋能银行风险合规：反洗钱报告生成助手/
6.1案例背景/
6.1.1项目需求分析/
6.1.2项目实施阶段划分与预期效果/
6.2反洗钱报告生成助手功能设计/
6.2.1风险指标提取方法/
6.2.2需求场景匹配/
6.2.3功能设计/
6.2.4模型选型/
6.2.5指令设计/
6.3模型领域对齐/
6.3.1领域数据准备/
6.3.2模型对齐与微调脚本/
6.3.3模型效果评估/
6.4上机实战：反洗钱报告生成助手的开发与部署/
6.4.1反洗钱报告生成助手应用程序结构/
6.4.2反洗钱报告生成助手应用功能实现/
6.5实验结果与性能评估/
6.5.1实验结果分析/
6.5.2性能评估与改进/
第7章 DeepSeek大模型赋能证券客户经营：个性化投资策略生成助手/
7.1案例背景与投资策略需求/
7.1.1客户个性化理财服务的重要性/
7.1.2业务需求分析/
7.1.3项目实施阶段划分与预期效果/
7.2个性化投资策略生成助手功能设计/
7.2.1个性化投资策略生成方法/
7.2.2大模型场景匹配/
7.2.3功能设计/
7.2.4应用层技术架构设计/
7.2.5RAG设计/
7.2.6指令设计/
7.3模型选择与领域对齐/
7.3.1领域数据准备/
7.3.2模型对齐与微调脚本/
7.3.3模型效果评估/
7.4上机实战：个性化投资策略生成助手的开发与部署/
7.4.1个性化投资策略生成助手应用程序结构/
7.4.2个性化投资策略生成助手功能实现/
7.5实验结果与性能评估/
7.5.1实验结果分析/
7.5.2性能评估与改进/
第8章 DeepSeek大模型赋能内审合规：合规报告自动生成助手/
8.1案例背景与合规需求/
8.1.1合规检查的定义/
8.1.2业务需求分析/
8.2合规报告自动生成助手功能设计/
8.2.1合规检查报告生成方法/
8.2.2大模型场景匹配/
8.2.3功能设计/
8.2.4应用层技术架构设计/
8.2.5智能体设计/
8.2.6模型选型/
8.2.7指令设计/
8.3模型选择与领域对齐/
8.3.1领域数据准备/
8.3.2模型对齐与微调/
8.3.3模型效果评估/
8.4上机实战：合规报告自动生成助手的开发与部署/
8.4.1合规报告自动生成助手应用程序结构/
8.4.2合规报告自动生成助手功能实现/
8.5实验结果与性能评估/
8.5.1实验结果分析/
8.5.2性能评估与改进/
第9章 DeepSeek大模型赋能理财智能营销：客户服务机器人/
9.1案例背景与营销需求/
9.1.1客户服务机器人的定义/
9.1.2业务需求分析/
9.1.3项目实施阶段划分与预期效果/
9.2客户服务机器人功能设计/
9.2.1客户服务机器人的核心业务流程/
9.2.2大模型蒸馏场景匹配/
9.2.3功能设计/
9.2.4应用层技术架构设计/
9.2.5蒸馏大模型应用设计/
9.3模型与领域对齐/
9.3.1领域数据准备/
9.3.2模型对齐与微调/
9.4上机实战：客户服务机器人开发/
9.4.1客户服务机器人应用程序结构/
9.4.2客户服务机器人功能实现/
9.5实验结果与性能评估/
9.5.1实验结果分析/
9.5.2性能评估与改进/
|
| 內容試閱：
|
前言
在金融科技迅猛发展的当下，金融行业正迎来技术驱动的深刻变革。传统金融业务在面对日益复杂多变的市场环境以及不断提升的客户需求时，逐渐显露出难以兼顾效率与精准度的局限性。以往依靠人工决策、传统数据分析方法以及静态模型预测的手段，已经难以充分应对快速变化的市场环境和客户个性化、精细化的需求。随着科技的发展，特别是人工智能技术的广泛应用，金融行业迫切需要一种能够高效处理海量数据、精准洞察客户需求，实时作出动态决策的新型技术手段。正是在这种背景下，大模型技术应运而生，并迅速成为金融科技领域最具潜力的变革性力量之一。尤其以DeepSeek系列大模型为代表的先进技术，以其卓越的自然语言处理能力、强大的逻辑推理能力以及先进的多模态技术支持，为金融行业带来了前所未有的变革机遇和深远影响。
大模型技术通过强大的数据处理能力以及对复杂问题的精准理解，正在彻底改变金融业的业务模式和运营方式。从风险管理的精细化与自动化，到实时的市场预测与决策支持，从合规检测的自动化与智能化，到面向不同客户需求的个性化投资策略制定，大模型已经深入金融业务的每一个核心环节，推动着金融行业的智能化转型和服务创新。具体而言，风险管理领域以往依靠人工分析和简单模型预测难以全面、实时地把握风险变化趋势，而DeepSeek系列大模型则可以快速、准确地处理海量非结构化数据，实时洞察风险苗头，有效提升风险控制的精准度；在合规控制领域，传统合规检查往往需要大量人工审阅，成本高、效率低，而DeepSeek能够实现自动化合规检查，精准识别违规风险，大幅提升合规管理的效率与准确性；在客户经营方面，大模型技术可以深度解析客户数据，实时洞察客户偏好和需求变化，生成高度个性化的客户投资建议和服务方案，提升客户体验的同时，增强了客户黏性与满意度。
本书凝聚了笔者多年在金融科技和人工智能领域的深厚实践经验与深入研究，系统性地探讨了DeepSeek大模型在金融行业实际场景中的应用路径与实施方法。笔者立足于丰富的实践经验，结合金融行业的真实业务场景和技术挑战，从风险管理、合规控制和客户经营三大核心业务场景出发，通过翔实的实际案例分析、详细的技术路线解读以及全面的实践指导，清晰阐述了DeepSeek大模型的技术价值与应用潜力。本书不仅从理论层面深入解析DeepSeek-V3与DeepSeek-R1模型的核心原理与技术特点，还从实际应用出发，详细介绍了从开发环境搭建、模型数据准备、模型微调与优化，到提示工程设计及模型落地应用的全链路实操方法与实施路径，帮助读者掌握完整的大模型应用流程，真正实现从技术到业务的闭环落地。
DeepSeek金融大模型实战此外，针对大模型技术快速迭代、落地实践过程中不断出现的新问题与新挑战，本书特别增加了大量的实操技巧、问题排查方法以及模型优化策略，帮助读者快速识别并解决实际应用中的技术难题，提升落地实践的成功率和实施效率。通过对DeepSeek-V3和DeepSeek-R1两款主流大模型深入的理论剖析与实战演练，读者不仅能够清晰理解大模型背后的技术原理，还能直接借助书中提供的实战案例、操作示范与开发指南，将大模型技术快速有效地应用于实际工作中，从而提升金融机构的业务处理效率、风险管理能力以及客户服务品质。
作为一名长期从事大模型与金融科技研究的实践者，笔者深知技术创新与金融需求的结合之道。本书以 DeepSeek 为核心，融合最新研究成果与实际案例，旨在弥合前沿技术与行业实践的鸿沟。无论您是技术开发者、业务专家，还是金融业决策者，本书都将为您提供实用工具与前瞻视角，助力您在金融科技的竞争中脱颖而出。
本书的完成离不开多方支持。要特别感谢合作伙伴相雪，她的洞察力为本书的实战内容增添了重要价值；感谢金融领域前辈们的经验分享，为笔者理解行业痛点提供了指引；同时感谢家人与朋友的鼓励，让笔者得以全身心投入创作。正是众多同行与专家的共同努力，成就了这本聚焦 DeepSeek 金融实战的著作。希望本书能为金融科技从业者、管理者及决策者带来启发，共同推动金融行业智能化迈上新台阶。
钱兴会
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
暢銷書架
