区块链与数字货币
F7123037
课程编码
F7123037
课程名称
区块链与数字货币
学分
2.0 - 2.0
授课教师
Parent ID
Semester (field_semester)
- 所有 -2016/2017 秋冬学期2016/2017 春夏学期2017/2018 秋冬学期2017/2018 春夏学期2018/2019 秋冬学期2018/2019 春夏学期2019/2020 秋冬学期2019/2020 春夏学期2020/2021 秋冬学期2020/2021 春夏学期2021/2022 秋冬学期2021/2022 春夏学期2022/2023 秋冬学期2022/2023 春夏学期2023/2024 秋冬学期2023/2024 春夏学期2024/2025 秋冬学期2024/2025 春夏学期
Apply
简介
本课程介绍了十年前才出现的金融科技这个主题中两个最有趣的主题。数字货币和区块链的概念非常相互交织,一个着重于计算机科学方面,另一个着重于经济学。我们主要关注概念的历史,演变以及它们的一些实际应用。中央银行数字货币也将涵盖在内。学习完本课程后,您将从历史的角度将区块链,数字货币理解为货币的自然演变,并深入了解它们朝着未来的方向发展。
投资学
F7121120
课程编码
F7121120
课程名称
投资学
学分
3.0 - 3.0
授课教师
Parent ID
Semester (field_semester)
- 所有 -2016/2017 秋冬学期2016/2017 春夏学期2017/2018 秋冬学期2017/2018 春夏学期2018/2019 秋冬学期2018/2019 春夏学期2019/2020 秋冬学期2019/2020 春夏学期2020/2021 秋冬学期2020/2021 春夏学期2021/2022 秋冬学期2021/2022 春夏学期2022/2023 秋冬学期2022/2023 春夏学期2023/2024 秋冬学期2023/2024 春夏学期2024/2025 秋冬学期2024/2025 春夏学期
Apply
简介
在本课程中,我们首先简要回顾一下金融中的基本工具以及主要资产类别中可用的广泛金融工具,它们的特定功能和现金流量。该课程随后涵盖金融市场理论,行为,定量和宏观经济方法进行投资组合管理,战略和战术资产分配的基本理论基础,以及用于开发投资策略的方法。此外,您还将了解金融市场的主要参与者(参与者),例如不同类型的机构投资者,中央银行或信用评级机构的角色。最后,在本课程中,您将对风险进行更深入的研究:风险的不同方面以及衡量,管理和对冲风险的适当工具和技术。
投资学
F7121020
课程编码
F7121020
课程名称
投资学
学分
3.0 - 3.0
授课教师
Parent ID
Semester (field_semester)
- 所有 -2016/2017 秋冬学期2016/2017 春夏学期2017/2018 秋冬学期2017/2018 春夏学期2018/2019 秋冬学期2018/2019 春夏学期2019/2020 秋冬学期2019/2020 春夏学期2020/2021 秋冬学期2020/2021 春夏学期2021/2022 秋冬学期2021/2022 春夏学期2022/2023 秋冬学期2022/2023 春夏学期2023/2024 秋冬学期2023/2024 春夏学期2024/2025 秋冬学期2024/2025 春夏学期
Apply
简介
投资学
现代金融市场与金融创新国际实践
F7121022
课程编码
F7121022
课程名称
现代金融市场与金融创新国际实践
学分
2.0 - 2.0
授课教师
Parent ID
Semester (field_semester)
- 所有 -2016/2017 秋冬学期2016/2017 春夏学期2017/2018 秋冬学期2017/2018 春夏学期2018/2019 秋冬学期2018/2019 春夏学期2019/2020 秋冬学期2019/2020 春夏学期2020/2021 秋冬学期2020/2021 春夏学期2021/2022 秋冬学期2021/2022 春夏学期2022/2023 秋冬学期2022/2023 春夏学期2023/2024 秋冬学期2023/2024 春夏学期2024/2025 秋冬学期2024/2025 春夏学期
Apply
简介
该课程提供了对金融系统的全面概述,包括主要的金融市场,机构和工具。学生将学习全球货币,资本和外汇市场的基础知识,金融价格和收益率的决定因素以及用于评估金融价格和风险的基本定量工具和观点。它还将引入包括中央银行和金融服务监管机构在内的全球金融法规,特别关注随着其蓬勃发展的金融技术发展对中国金融体系的主要挑战。学生还将获得对金融创新最佳实践的见解,以及他们如何重塑全球金融体系的格局。
云计算及生物识别技术
F7123049
课程编码
F7123049
课程名称
云计算及生物识别技术
学分
2.0 - 2.0
授课教师
Parent ID
Semester (field_semester)
- 所有 -2016/2017 秋冬学期2016/2017 春夏学期2017/2018 秋冬学期2017/2018 春夏学期2018/2019 秋冬学期2018/2019 春夏学期2019/2020 秋冬学期2019/2020 春夏学期2020/2021 秋冬学期2020/2021 春夏学期2021/2022 秋冬学期2021/2022 春夏学期2022/2023 秋冬学期2022/2023 春夏学期2023/2024 秋冬学期2023/2024 春夏学期2024/2025 秋冬学期2024/2025 春夏学期
Apply
简介
本课程是为硕士生设计的,旨在学习生物特征的定义,特征和关键生物特征过程,验证和识别以及生物特征匹配。它还介绍了生物识别系统中的性能指标以及对生物识别技术隐私风险的评估。指导学生设计具有不同生物特征识别标准的隐私同情生物特征识别系统。此外,该课程介绍了分布式概念,网格计算,云计算的根源,部署模型,服务模型和重构等基础知识。
战略与创新管理
F7123042
课程编码
F7123042
课程名称
战略与创新管理
学分
2.0 - 2.0
授课教师
Parent ID
Semester (field_semester)
- 所有 -2016/2017 秋冬学期2016/2017 春夏学期2017/2018 秋冬学期2017/2018 春夏学期2018/2019 秋冬学期2018/2019 春夏学期2019/2020 秋冬学期2019/2020 春夏学期2020/2021 秋冬学期2020/2021 春夏学期2021/2022 秋冬学期2021/2022 春夏学期2022/2023 秋冬学期2022/2023 春夏学期2023/2024 秋冬学期2023/2024 春夏学期2024/2025 秋冬学期2024/2025 春夏学期
Apply
简介
战略管理是最具跨职能的管理课程之一,它强调基础知识在该学科的核心课程中的全面应用。本课程要回答的基本问题是企业如何在动态环境中获得可持续的竞争优势。本课程将通过集中于现代分析工具和成功的战略实践,特别是那些侧重于全球商业竞争不断发展的性质的工具和实践,重点介绍战略管理中的一些重要问题。学习完本课程后,您将更好地了解要用于战略环境分析,战略制定和实施的分析工具。
资产定价与风险管理
F7123038
课程编码
F7123038
课程名称
资产定价与风险管理
学分
2.0 - 2.0
授课教师
Parent ID
Semester (field_semester)
- 所有 -2016/2017 秋冬学期2016/2017 春夏学期2017/2018 秋冬学期2017/2018 春夏学期2018/2019 秋冬学期2018/2019 春夏学期2019/2020 秋冬学期2019/2020 春夏学期2020/2021 秋冬学期2020/2021 春夏学期2021/2022 秋冬学期2021/2022 春夏学期2022/2023 秋冬学期2022/2023 春夏学期2023/2024 秋冬学期2023/2024 春夏学期2024/2025 秋冬学期2024/2025 春夏学期
Apply
简介
本课程将首先讲授资产定价和风险管理的理论方面,然后将详细讨论资产定价和风险管理的应用。资产定价和风险管理将在理论和经验上进行详细探讨。真实的例子将用于增强学生对资产定价和风险管理的理解。
自然语言分析与机器学习
F7123050
课程编码
F7123050
课程名称
自然语言分析与机器学习
学分
2.0 - 2.0
授课教师
Parent ID
Semester (field_semester)
- 所有 -2016/2017 秋冬学期2016/2017 春夏学期2017/2018 秋冬学期2017/2018 春夏学期2018/2019 秋冬学期2018/2019 春夏学期2019/2020 秋冬学期2019/2020 春夏学期2020/2021 秋冬学期2020/2021 春夏学期2021/2022 秋冬学期2021/2022 春夏学期2022/2023 秋冬学期2022/2023 春夏学期2023/2024 秋冬学期2023/2024 春夏学期2024/2025 秋冬学期2024/2025 春夏学期
Apply
简介
这学期的重点是文本的产生和预训练的最新发展。我们将研究神经网络在文本生成方面的最新进展以及机器学习方法开发清晰准确的自然文本的潜力。该课程将专注于开发对机器学习的中心模型和算法的应用精通,例如多项模型,多类Logistic回归,尤其是今年,重点是深度学习/神经网络模型,例如卷积网络(CNN) )和递归神经网络(RNN)。我们将通过数学分析和动手实验工作来探索这些模型的各种优点和缺点。该课程的后半部分将侧重于研究项目,主要是文本生成和建模。