近年来，人工智能和机器学习正逐渐成为金融行业的重要推动力。从量化交易到风险管理，AI 的应用场景不断扩展。但当算法模型从学术研究走向华尔街的实际应用时，也暴露出一系列现实挑战。
许多讨论停留在理论层面，而在实践中，问题往往更为复杂。例如：
大多数模型在预测方面表现良好，但金融机构更关心的是支持「What-if」分析的决策工具。例如，如何通过模型回答「如果提高利率会怎样」这类关键问题？
在金融中，相关性并不等于因果关系。历史数据中机票价格与销量的正相关，并不意味着简单的因果逻辑。如何避免如「对撞机问题」（collider problem）这类统计误区，是建模必须关注的关键点。
金融数据不仅是简单的时间序列，还包括收益率曲线（函数时间序列）、支付网络（动态图）以及不同频率的宏观数据。传统的 LSTM 等模型在处理这些复杂结构时存在先天不足。
在快速迭代的环境中，Jupyter Notebook 有时会成为工程管理的障碍；TensorFlow 与 PyTorch 难以兼容，也使得可复用组件的建设更具挑战。与此同时，能够兼顾金融、机器学习与系统工程的复合型人才十分稀缺。
这些来自实践的经验和问题，往往缺乏系统性的公开讨论。为此，我们特别邀请到 J.P. Morgan 机器学习卓越中心（MLCOE）的王泽基 (Chak Wong) 教授。他将结合团队在构建可复用 AI 组件库过程中的实践，分享对上述问题的第一手经验与思考。
本次讲座不仅是一次深度技术分享，同时也将作为 MLCOE 年度全球招聘宣讲会的内地站。我们诚邀对金融、AI、数据科学等领域感兴趣的同学和业界同仁加入，与国际顶级团队面对面交流。
分享主题：人工智能与机器学习在大型国际商业银行和投资银行中的落地实践
嘉宾简介：
王泽基 (Chak Wong)
当前任职
MD, Machine Learning Centre of Excellence and Global Head of TSRL, J.P. Morgan
Professor of Practice, 香港科技大学数学系
过往履历
MD, Head of quantitative investment, 平安资管
Managing Director, Head of Financial Institutions and Sovereigns Asia, 法国兴业银行
Professor of Fintech, 香港中文大学系统工程系
Professor of Finance practice, 香港中文大学(深圳)商学院金融系
Board member & Investment Committee, 香港存款保障委员会
Lecture (Part-time), 香港浸会大学新闻系
Managing Director, Head of IBD Structuring Asia, 巴克莱资本
Managing Director, Head of non-vanilla trading, 瑞银集团
Executive Director, exotic derivative trading, 高盛
分享摘要：王教授将结合 JPMC全球团队的真实案例，系统解析 AI/ML 在金融机构的应用：从模型工程、数据处理、特征构建、决策分析、因果推断到风险管理，展示AI如何深度赋能国际银行业务，推动行业效率与竞争力提升。
全球招聘
本次分享也是 J.P. Morgan MLCOE 年度全球招聘宣讲会的内地站。王教授将介绍团队在过往五年的实践中所积累的经验与教训、以及当前团队所正在开展的前沿项目。
不论你是博士、博士后，还是对金融科技充满热情的求职者，不限学校和专业背景都欢迎积极参与，与国际顶级团队共创未来！工作地点可在香港、伦敦和纽约三个城市中任选。
Time Series and Reinforcement Learning (TSRL) Team 招聘:
https://jpmc.fa.oraclecloud.com/hcmUI/CandidateExperience/en/sites/CX_1001/job/210643786/?utm_medium=jobshare&utm_source=External+Job+Share
直播时间：9月8日19:30-20:30
