张 敏 中国人民大学商学院教授、博士生导师、会计系主任，中国人民大学“杰出青年学者”，中国审计学会审计教育分会理事，入选财政部全国会计领军（后备）人才（学术类）”。
目前主要研究智能财务与大数据审计。在国内外核心期刊发表论文70余篇，出版著作6部。担任10余本国内外核心期刊匿名审稿人。主持国家自然科学基金项目2项；主持教育部人文社会科学研究项目1项。曾获中国人民大学商学院最佳研究生教师奖、中国人民大学教学优秀奖、全国优秀博士学位论文提名奖、中国人民大学优秀博士学位论文奖、北京大学优秀博士后等奖励。担任比亚迪、国投资本等公司独立董事。


王宇韬 CFA，FRM，AQF，华能信托金融科技实验室发起人，中国人民大学商学院“Python金融”课程授课导师。
出版《Python金融大数据挖掘与分析全流程详解》《Python大数据分析与机器学习商业案例实战》等图书。主讲的“Python金融”课程同时被学习强国、中国人民银行在线学习平台收录，累计为公司申请6项金融科技相关知识产权。

数智化技术正在深刻改变着会计行业。实务界和教育界正在利用数智化技术对传统的会计工作和教育工作进行变革，会计的智能化转型正在如火如荼地开展。然而，人才是决定转型能否成功的关键因素之一。目前，既懂技术又懂会计的复合型人才极为匮乏，这极大地限制了智能会计转型的发展。可喜的是，国内众多高校已经开设智能会计（财务）方向的课程，正式开始了智能会计人才的培养工作。不过，“缺教材、缺师资、缺方案”是刚刚起步的智能会计教育面临的几个痛点，其中，缺教材无疑是最大的痛点。为了解决这一问题，我们联合中国人民大学出版社陆续出版了“智能财会丛书”系列教材。
在“智能财会丛书”中，我们开发了一个子系列，即“智能财会丛书———基于Python”。之所以开发这一子系列，主要是基于如下考虑:
其一，解决技术知识与专业知识“两张皮”的问题。在智能会计课程体系中，比较容易实现的是会计类课程和技术类课程这两个模块。前者是传统会计课程，自然毋庸多言；后者包括Python、BI、RPA、大数据技术、数据库技术、人工智能技术等新技术类课程，学校一般也能找到师资，常见的做法是在校内其他学院或者其他学校聘请师资。这两个模块都比较成熟，不存在教材短缺问题。最难实现的是“技术+会计”类课程。因为这类课程要求将技术与会计进行深度融合，利用技术解决会计的数字化和智能化问题，对教师提出了更高的要求，教材的编写难度也更大。但是，如果不开设这类课程，就很容易出现“两张皮”的问题，学生学了很多技术类课程，但是对于如何利用这些技术解决会计问题仍不清楚。本系列教材在介绍Python基础知识的基础上，重点介绍如何利用Python的各个模块解决会计的数字化和智能化问题。
其二，构建一套比较完整的利用Python提升会计的数字化和智能化的知识体系。Python的功能非常强大，一本教材显然无法介绍清楚。在本系列教材中，我们系统介绍了Python的基础知识以及机器学习、爬虫、可视化、自然语言处理等技术在会计中的应用。应用场景包括大数据财务分析、大数据估值、RPA开发与应用、内部财务智能管理、大数据分析与决策等诸多方面。本系列教材基本能够涵盖基于Python的智能会计的主要方面，从而形成一套比较完整的知识体系。
其三，解决学生在学习Python过程中目标不明确、动力不足的问题。根据我们的经验，学生在学习编程类课程时，如果以纯技术学习为主，很容易出现目标不明确、学习动力不足的问题。很多学校的Python课程一般是由计算机背景的教师授课，这种课程的优点是能够帮助学生拓展Python知识的深度和广度，对于计算机等相关专业的学生来说，自然没有问题，但对于会计专业的学生来说，他们往往希望知道学习的每一行代码在会计工作中到底有何应用，如果教师在授课过程中不能给学生指出来，学生就会陷入代码“森林”中不知所措。本系列教材中的每一本教材都是将Python与会计、财务、金融场景进行紧密结合，能够很好地解决这一问题，从而提升学生的学习效率和效果。更为重要的是，通过学习这些教材，学生既能学习Python知识，又能学习智能会计知识，尤其是能够培养利用Python灵活解决会计问题的思维。

第1篇 Python技术基础与财务数据获取
第1章 Python基础快速入门
1．1 Python安装与第一个 Python程序
1．2 Python基础知识
1．3 Python语句
1．4 函数与模块
第2章 通过Tushare数据接口快速获取财务数据
2．1 Tushare基本介绍
2．2 通过 Tushare数据接口获取财务数据
2．3 通过 Tushare数据接口获取股票行情等其他数据
第2篇 Python数据分析技术与财务分析实战
第3章 财务数据分析利器——Pandas库
3．1 DataFrame的创建
3．2 文件的读取和写入
3．3 数据读取与筛选
3．4 数据表拼接
3．5 案例实战：财务数据处理
3．6 案例实战：财务数据获取进阶
第4章 财务可视化基础——Matplotlib库
4．1 Matplotlib基本图形绘制
4．2 Matplotlib可视化小技巧
4．3 案例实战：Matplotlib财务可视化
第5章 财务静态分析
5．1 盈利能力指标
5．2 营运能力指标
5．3 偿债能力指标
5．4 成长能力指标
5．5 综合案例
第6章 财务趋势分析
6．1 盈利能力分析
6．2 营运能力分析
6．3 偿债能力分析
6．4 成长能力分析
6．5 趋势分析综合评分
第7章 财务同业比较分析
7．1 盈利能力比较
7．2 营运能力比较
7．3 偿债能力比较
7．4 成长能力比较
7．5 同业分析综合评分
第8章 现金流量表进阶分析
8．1 指标1：经营活动产生的现金流量净额/净利润
8．2 指标2：销售商品、提供劳务收到的现金/营业收入
8．3 指标3：期末现金及现金等价物余额>有息负债 (应付债券+短期
借款+长期借款)
8．4 指标4：自由现金流
8．5 指标5：现金流画像
8．6 行业横向对比
第9章 杜邦分析
9．1 杜邦分析法介绍
9．2 利用杜邦分析法进行公司基本面分析
9．3 杜邦分析法反映的三种业绩驱动模式
第10章 批量筛选优质上市公司
10．1 指标体系
10．2 标准维度
10．3 案例实战
第3篇 机器学习技术与财务分析实战
第11章 线性回归模型+财务会计案例实战
11．1 一元线性回归模型
11．2 线性回归模型评估
11．3 多元线性回归模型
第12章 决策树模型+财务舞弊模型构建
12．1 决策树模型的基本原理
12．2 案例实战：财务舞弊预测模型
12．3 模型的参数调优
第13章 集成学习模型+财务舞弊预测
13．1 随机森林模型的基本原理和代码实现
13．2 GBDT 算法原理
13．3 XGBoost算法原理
13．4 案例实战：基于集成学习模型的财务舞弊模型