2022年《AI与量化》系列视频

UI/产品

课程简介

已有 0 人浏览发布 2026-09-16 更新 2026-09-17

这套 2022 年的《AI 与量化》系列视频，放在今天看有点"时代标本"的意味——它录制的年份，正好是因子挖掘从纯统计方法往机器学习迁移、但还没被大模型彻底改写的那段时间窗口。所以它值得挖的点，不在于"AI 全栈"这种大词，而在于它把 AI 和量化这两条线绑在一起的切入点：不是教你训模型，而是教你把模型塞进一条能跑数据的策略管道里。

课纲的含金量在哪一段

从整体结构看，这门课明显分成三块气质不同的内容：前面偏 Python 数据处理与金融数据结构的铺垫，中间是特征工程与模型训练的交叉地带，后面落到策略回测与结果评估。真正有含金量的是中间那一块——也就是"怎么把行情、财报、另类数据揉成模型能吃的特征"这段。原因是：数据清洗和特征构造是量化里最脏、最少被公开讲透的部分，而模型的调用本身现在随手一查就有。如果这门课在特征构造上给了具体的处理逻辑（比如缺失值怎么按品种补、标签怎么按未来窗口切），那它的价值就远超一份"AI 入门"。

反过来，前段的 Python 基础和后段的模型 API 调用，对已有编程底子的人来说属于快进区。要判断的只是它有没有在回测环节讲清楚未来函数、滑点、幸存者偏差这几个老坑——讲了，这门课就立得住。

三个值得精看的章节类型

数据管道类章节：看它怎么组织多源数据对齐，这是量化落地最先崩的地方。
特征与标签构造章节：重点看标签的定义方式，标签错了后面全白搭。
回测与评估章节：重点看它有没有主动暴露策略的失效场景，而不是只秀收益曲线。

其余的框架介绍、环境搭建、模型原理科普，属于可以二倍速带过的部分。

资料包该怎么拆开用

这类系列视频配套的资料，最忌讳从头到尾顺一遍。更实际的做法是按用途拆：代码类文件单独抽出来，先跑通一条最小链路，确认数据接口和依赖版本能对上（2022 年的包版本放到现在，环境报错几乎是必然的，提前留出折腾时间）；笔记类材料不要当教材读，当成检索索引——遇到具体问题时回去查对应章节的处理方式，比顺序阅读效率高得多。

如果资料里同时有视频和文档，建议先看文档定位这节在讲什么，再决定要不要看视频里对应的实操演示。视频的价值在"手怎么动"，文档的价值在"为什么这么动"。

什么人适合挖，什么人可以跳过

适合的：已经有 Python 基础、想搞清楚 AI 方法怎么接进量化流程的人；或者做过后端、想借量化这个场景理解特征工程和模型评估的人。跳过也行的：只想学调模型 API 的，以及期待拿到一套能直接上实盘的策略的——2022 年的课程，策略层面的时效性衰减得很快，能带走的应该是方法和踩坑经验，不是具体因子。

把它当一份"AI 进量化流程"的操作样本来看，比当一门系统课来学，收获会更实在。

欢迎来到2022年的《AI与量化》系列视频课程。这是一门精心设计的课程，旨在帮助程序员更好地了解和运用人工智能（AI）以及量化分析的有关知识。

课程推荐

《2022年《AI与量化》系列视频》欢迎来到2022年的《AI与量化》系列视频课程。这是一门精心设计的课程，旨在帮助程序员更好地了解和运用人工智能（AI）以及量化分析的有关知识。【技能收获】学完可掌握：核心实战技能、项目驱动学习。课程以实战为导向，覆盖从基础概念到完整项目落地的关键步骤，配套章节笔记便于课后复盘与面试前快速回顾。【学习建议】建议按目录顺序学习，先打基础再进入综合实战章节；每完成 2～3 节可结合笔记整理一份学习小结，最终尝试独立复现一套完整 Demo 写入个人作品集。【就业发展】可面向岗位：AI 应用工程师、RAG 系统开发、Java 后端 + 大模型落地、企业知识库架构师。大模型应用岗需求持续走高，具备「后端 + RAG 落地」复合能力的人才在招聘市场更稀缺，简历中可突出完整项目链路而非仅会使用 API。若你已有一定编程或运维基础，本课程可帮助你在现有技能栈上快速叠加热门方向能力，提升求职时的项目说服力与薪资谈判空间。

视频目录（25 节）

* Playground试炼（一）.mp4

* Playground试炼（二）.mp4

* 试炼（三）.mp4

* 试炼（四）.mp4

* AI与量化第14期：Keras框架实验源码（三）.mp4

* AI与量化第15期：Keras框架实验源码（四）.mp4

* AI与量化第16期：Keras框架实验源码（五）.mp4

* AI与量化第17期：Keras开源神经网络框架-跑通Mnist数据.mp4

* AI与量化第18期：全联接神经网络Mnist手写体识别实验源码讲解.mp4

* AI与量化第1期：Rosenblatt感知器.mp4

* 5卷积神经网络实验源码.mp4

* AI与量化第21期：CNN卷积神经网络源码.mp4

* AI与量化第22期：RNN递归神经网络实验源码.mp4

* AI与量化第23期：LSTM长短期记忆神经网络.mp4

* AI与量化第24期：GRU门控循环单元.mp4

* AI与量化第25期：用全联接神经网络预测股票价格.mp4

* AI与量化第3期：梯度下降方法源码.mp4

* AI与量化第4期：梯度下降与反向传播拟合y=wx+b代码.mp4

* AI与量化第5期：加入sigmoid激活函数源码.mp4

* AI与量化第6期：带有一个隐藏层的深度神经网络源代码.mp4

* AI与量化第7期：带有两个特征维度的神经网络.mp4

* AI与量化第8期：Keras框架实验源码（一）.mp4

* AI与量化第9期：Keras框架实验源码（二）.mp4

* AI与量化番外篇：Mac系统安装Keras和Tensorflow.mp4

* AI与量化番外篇：Pycharm配置Keras和Tensorflow环境.mp4