4月17日，经济学院金融投资系开展了以“人工智能背景下金融科技专业建设的挑战与应对”为主题的教研活动。此次活动旨在深入探讨人工智能技术对金融科技专业建设的影响，以及面对新兴技术挑战，如何有效应对并培养出适应时代需求的复合型人才。

活动伊始，系主任王蕊首先强调了金融科技专业在金融投资系乃至整个经济学院中的重要地位。她指出，随着人工智能技术的飞速发展，金融科技行业正经历着前所未有的变革。传统金融业务与新兴技术的深度融合，催生了诸如智能投顾、区块链金融、大数据风控等一系列创新业务模式。这一趋势不仅极大地提升了金融服务的效率和便捷性，也对金融人才的培养提出了新的要求。

王蕊进一步指出，在人工智能背景下，金融科技专业建设面临着多方面的挑战。一是行业对接升级挑战，当前金融科技行业对人才的需求标准不断提高，而地方本科院校在与行业对接方面存在升级难题，合作模式亟待创新。二是课程体系适配挑战，金融科技专业的课程体系需要在金融、科技与两者结合之间寻求最佳融合点，但当前课程体系存在适配难题，难以迅速跟上人工智能技术的快速发展步伐。三是师资力量更新挑战，金融科技专业教师需要不断更新知识结构，掌握最新的人工智能技术，才能为学生提供最实用的知识与指导。

针对王蕊提出的现实挑战，参会老师们纷纷发言，共商应对策略。胡江提出，为了更好追踪行业动态，提升学生的实践操作能力，学院应加大实训平台的投入。近年来，学院已成功搭建多个虚拟仿真项目或实训教学平台，如“银行大数据信贷风控虚拟仿真实验项目”、“金融科技风险建模实训平台”等。这些平台不仅让学生在学习理论知识的同时能够进行实践操作，还能将所学应用于实际问题解决，有效提升理论联系实际的能力。例如，通过“银行大数据信贷风控虚拟仿真实验项目”，学生能够模拟真实银行信贷业务流程，运用大数据分析与人工智能算法对海量信贷数据进行处理与分析，构建信贷风险评估模型，从而熟悉行业中信贷风险评估的关键环节与技术应用。

谢海芳则强调，应对课程体系适配挑战，需要对传统金融课程进行交叉重构。传统金融课程小组应融入人工智能相关知识，如在《商业银行经营与管理》课程中增加关于人工智能在商业银行客户管理分析应用的内容比重。同时，数据分析小组课程也需结合金融应用场景，如在《机器学习》课程中讲解如何利用Python实现金融风险评估算法、投资组合优化算法等。通过课程内容的交叉重构，可以有效提升学生的综合应用能力。

针对师资力量更新挑战，马江明建议依托已搭建的实训平台，组织教师参与平台实践操作培训，提升教师的实践与知识水平。例如，可以组织教师参与“银行大数据信贷风控虚拟仿真实验项目”的深度培训，让教师亲身体验如何运用大数据分析与人工智能算法处理信贷数据、构建风险评估模型等。此外，还可以促进教师跨组学习交流，借助课程小组机制推动传统金融课程小组教师与数据分析课程小组教师之间的知识共享与互补。

在讨论中，参会教师们还提到了一些具体的案例，如利用“金融大数据客户画像实训平台”模拟金融机构基于大数据分析构建客户画像的业务场景，让学生学习如何收集、整合和分析金融客户的多维度数据，运用数据挖掘与机器学习算法为客户精准画像。这些案例不仅增强了教学的生动性和趣味性，也提升了学生的实践能力和创新思维。

随着讨论的深入，本次活动逐渐接近尾声。王蕊在总结发言中表示，此次教研活动不仅明确了人工智能背景下金融科技专业建设所面临的挑战与机遇，也探索出了一系列切实可行的应对措施。她强调，金融科技专业的建设是一个系统工程，需要全体师生的共同努力和不断探索。未来，金融投资系将继续深化与行业的合作、优化课程体系、提升师资水平，为培养更多适应时代需求的金融科技人才贡献力量。

会议现场