本书的使命是帮助老师们用专业的教学设计把知识经验开发成课程，并用有效的教学方式传授给学生。传统的课程开发几乎是内容的堆砌，老师备课的主要任务是准备自己要讲的内容。本书脱胎于作者主讲的线上课程“金课开发训练营”，用15讲内容系统地讲授了建构主义课程开发的关键主张和核心技能。实际上，比内容更重要的是设计学生的学习参与以及吸收转化过程。课程究竟要实现什么样的教学目标？不同类型的内容该用什么样的教学策略？如何用有效的过程框架展开教学过程？用什么样的教学形式才会让学生有更深刻的学习体验？用什么样的结构来统

本书作者通过个人学习Python的经历,萃取出一套高效率的学习途径,帮助零基础的非专业程序员迅速掌握Python语言来进行数据处理、分析金融数据以及展开数字化营销。全书共7章,第1章介绍基础知识,第2章介绍如何写脚本,第3章重点介绍Pandas数据分析,第4章介绍Python数据抓取,第6章和第7章介绍如何运用Python来进行金融数据分析和数字化营销。

资产配置是目前及未来很多家庭与个人实现投资的有效手段，但目前很多人对此仍旧缺乏相应的认知，单一的股票、基金或者存款等，不是收益太低，就是风险太大，容易造成剧烈的波动。资产配置能有效地的平抑风险，而对此知识的普及则不多。本书就是从这个角度出发来组织整理出来的一本资产配置认知书，从基础的资产配置分类到最终的资产配置比例分配技巧、实战等，都通过详实的数据和抽象出来的案例模型来讲解。以资产配置数据分析结果——腾讯理财通结合10家基金公司与投资机构以其服务过的大量高净值人群投资经验为蓝本，讲述如何使用现代

大数据征信是大数据技术与征信业务相结合的产物，它通过对多源、异构、海量、实时数据进行采集、整理、分析和挖掘，实现多维度刻画信用主体画像，并运用大数据技术设计征信评价模型，向使用者提供信用主体的履约和信用状况，作者团队研发平台为大数据征信智能评估与开放服务平台。在《中华人民共和国数据安全法》和《中华人民共和国个人信息保护法》相继施行的背景下，本书就如何规范大数据征信行业及如何让大数据征信赋能其他行业展开分析和设计。 本书主要面向大数据技术从业人员、征信行业从业人员和有意愿了解大数据征信的各行业主体

“十四五”时期，我国社会信用体系建设将进入高质法治化发展新阶段，作为推动“放管服”改革、提升治理能力的基础支撑，信用优化营商环境成为引领经济新常态的重要抓手，信用支撑数字经济成为经济可持续发展的新思维。本书系统地介绍了我国社会信用体系建设现状及发展趋势，讲解了大数据信用智能评估技术原理及其在互联网金融、养老、医药、社会治理等领域的示范应用案例，为信用评估技术在科技服务、社会治理及其他新型服务等方面的应用提供参考和借鉴，从而优化社会信用环境，助推社会信用体系建设。本书适合征信、金融、科技、社会管理

《基金实战：投前准备+组合构建+投后管理》从实战视角分享了基金投资的理念与技巧，内容涵盖投前准备、投中构建基金组合与投后管理三部分。 关于投前准备，本书详细介绍了基金购买渠道、基金评级、风险评估、报告阅读、仓位管控等方法与技巧。关于投中构建基金组合，本书深入分析了每一类型基金的挑选方法与技巧，并结合资产配置的理念，手把手教你如何构建自己的基金组合。关于投后管理，本书分享了基金组合的投后管理与再平衡方法，以及基金组合的风险控制技巧。之后，本书详细介绍了备受投资者关注的基金定投，并结合新出现的智能定

本书通过Python示例介绍人工智能技术在金融数据分析中的应用。你将了解如何运用神经网络、强化学习等深度学习技术预测金融市场。本书分为六大部分。第一部分介绍人工智能算法的核心概念，包括监督学习和神经网络，并描绘超级人工智能愿景。第二部分讨论机器学习技术在金融市场中的应用。第三部分更进一步，讨论如何利用神经网络和强化学习技术解决金融市场中的统计失效问题。第四部分详述如何利用算法交易解决统计失效问题。第五部分展望未来，探讨人工智能会如何改变金融业。第六部分给出以Python实现的神经网络，可用于时间

如何把握流量潮汐的方向？ 如何建立受用户信任的专业财经主播形象? 如何用短视频和直播的方式表达? 如何在公域平台获取客户、陪伴客户？ 如何理解优质内容的底层逻辑？ 《从0到1玩转金融短视频直播》从短视频直播平台的流量逻辑入手，针对金融行业知识门槛高、商品虚拟无形、监管严格等特点，从账号冷启动、文案创作、直播及账号运营、内容合规等进行系统讲解，为创作者提供中肯的运营建议及现成的解决方案。 本书是一本面向金融机构、金融从业者、金融知识播主的实战指南，也是一本为金融领域内容创作者或者致力于在金融互联网

如果说，作者所著的《分析》是债券投资左侧的价值投资分析方法，《交易》是债券投资右侧的技术分析方法，那么《应对》则是建立在左侧和右侧两者之上的、更高层阶的、关于投资心理和投资行为的应对方法。它抛弃了左侧的中长线配置视角，抛弃了右侧的中短线交易视角，完全站在一个更高的境界，去思考投资中的人性弱点及其应对心法。

本书首先构建了研究中国RTFD-FCI的理论分析框架和统计计量模型，并构建了中国货币政策双重最终目标混频损失函数（MLF），接着选择30个金融指标，使用新构建的频率之比随机的MF-MI-TVP-SV-SFAVAR模型，实证测度了中国RTFD-FCI，并实证检验了其对（或与）产出和通货膨胀的领先性、一致性、相关性、因果关系和预测能力，最后将其应用到金融风险状况监测、金融系统性风险分析、金融经济基本面波动趋势预测中，具有较大的学术借鉴意义和应用价值。