深度学习中卷积神经网络和循环神经网络对于时间序列的数据有很好的学习能力，而金融数据中大量的数据都是时间序列的格式，包括银行流水、股票日线、交易日志，乃至金融分析报告中的文本信息等。因此应用深度学习到金融数据挖掘中，会有先天的优势，而 TensorFlow 是目前深度学习中最成熟最主流的框架，它有 Google 提供强大的研发能力作保障，对各种最新的深度神经网络结构都有非常好的支持。在 FinTech 中，应用深度学习我们可以用来作很多方面的工作：

1. 自动报告生成，使用 NLP 和 LSTM 可以对大量非结构化数据进行分析和处理，并整合成详尽的报告；
2. 舆情分析、知识图谱，通过对大量金融新闻的分析和舆情判别、知识关系梳理，整合出某行业或企业的舆论导向、市场观点；
3. 量化交易，使用 CNN、RNN、强化学习等对股票、期货、外汇等交易市场数据进行学习，获取可对冲的稳定收益；
4. 金融风控，通过对用户全方面数据的分析、挖掘，预测客户贷款诈骗的风险、逾期的概率等。

听众受益

1. 加深对基于大数据的深度学习技术的理解；
2. 获得对 Google 的分布式机器学习框架 TensorFlow 的全面理解；
3. 了解深度学习、TensorFlow 在 FinTech 金融科技中的各种应用。