01
为什么它对金融、舆情监控如此重要？课程整体路线图与学习目标。
导论金融路线图
02
虚拟环境创建、Jupyter配置、必备库安装 (pandas, numpy, jieba, transformers等)
环境Python库安装
03
NewsAPI, GDELT介绍、requests抓取、JSON格式解析。
API爬虫JSON
04
处理缺失值、去重、去除HTML标签、Unicode编码、正则表达式入门。
清洗正则编码
05
精确/全/搜索引擎模式、自定义词典、停用词过滤。
分词jieba停用词
06
CountVectorizer、TF-IDF原理与实现、N-gram特征。
特征TF-IDFN-gram
07
基础情感词典、领域扩充、词典评分规则。
词典情感Hownet
08
规则匹配算法、情感得分计算、正负向判定、阈值调优。
规则得分调优
09
分类问题、训练/测试集划分、准确率/精确率/召回率/F1。
ML评估F1
10
原理讲解、sklearn实现新闻情感分类。
贝叶斯sklearn分类
11
线性SVM原理、核函数选择、情感分析实战。
SVM核函数分类
12
感知机、ReLU/Sigmoid、损失函数、反向传播直觉。
DL激活函数反向传播
13
CBOW/Skip-gram、GloVe、PyTorch加载预训练词向量。
词向量Word2Vec嵌入
14
RNN结构、梯度消失、PyTorch搭建RNN情感模型。
RNN梯度消失PyTorch
15
LSTM门控、双向LSTM、新闻情感模型。
LSTM双向情感
16
Seq2Seq注意力、Self-Attention、Transformer架构简介。
注意力TransformerSelf-Attention
17
BERT原理、Hugging Face Transformers、情感微调实战。
BERT微调HuggingFace
18
学习率调度、Early Stopping、Dropout/L2正则化、超参数搜索。
调优早停正则化
19
混淆矩阵、ROC/AUC、SHAP/LIME解释模型预测。
评估SHAPROC
20
构建数据流管道、流式处理新闻、实时情感指数更新。
实时Kafka管道
21
超越正/负/中，细粒度情绪识别，多标签分类实现。
多标签细粒度情绪
22
多语言BERT、翻译后分析 vs 直接多语言模型。
跨语言mBERT翻译
23
案例分析、Pearson/Spearman、滞后效应分析。
金融相关性滞后
24
构建可视化仪表盘、实时情感趋势图、关键词云。
仪表盘Dash可视化
25
REST API构建、Docker容器化、云部署简介 (AWS/GCP/阿里云)。
部署DockerAPI
26
在线A/B测试设计、模型版本管理、回滚策略。
A/B测试迭代版本
27
数据偏见、公平性评估、差分隐私、负责任AI实践。
伦理偏见隐私
28
大语言模型在情感分析中的应用、Few-shot学习。
GPT-4PromptFew-shot
29
需求分析、数据收集与清洗、特征工程、模型选择与训练。
项目实战上
30
模型评估、结果可视化、部署上线、项目总结与展望。
项目部署总结