金融数据挖掘是一门融合“金融”加“数据挖掘算法”的前沿交叉课程，关注数据挖掘算法和复杂金融场景、实现数据挖掘技术赋能智能金融、培养具有爱国情怀的金融科技人才。课程对标金融市场、金融机构、政府机构、公司金融等复杂金融场景，挖掘金融实际需求，主要涵盖以下四个主题：金融大数据描述，金融大数据预测，金融大数据复杂关系分析，金融大数据异常检测分析四个主要模块。在深入介绍金融大数据的基础上，课程结合金融大数据预测需求与分类算法，金融大数据复杂关系分析与关联分析算法，金融大数据异常检测需求与聚类算法，探讨数据挖掘算法赋能智能金融的思想、步骤、评估与创新。

1.知识目标：系统掌握金融与数据挖掘算法融合的基本思想和主要任务；准确理解和灵活运用金融数据挖掘的基本算法；能够了解数据挖掘算法在金融领域的前沿运用。

2.能力目标：运用数据挖掘算法解决复杂金融问题的能力；金融大数据获取、建模、分析、决策的科学能力；自学能力、团队合作能力、分析交流能力。

3.思想和素质目标：增强爱国情怀，树立科技强国的信心和决心；强化数据挖掘技术赋能智能金融，追求实事求是的工作作风；培养文化自信，建立探索、求真、创新的科学素养。

1. 数据挖掘导论（原书第二版/完整版），Pang-Ning Tan, Michael Steinbach, Vipin Kumar 著，机械工业出版社，2019

2. 机器学习，周志华著，清华大学出版社，2016

3.金融数据挖掘与分析，郑志明等编著，机械工业出版社，2015

4.金融数据挖掘，操玮编著，电子工业出版社，2023