神經網路最初的訓練需要大量的數據集和昂貴的計算成本，具有高計算能力的 GPU才能相對快速的訓練神經網路，卷積神經網路技術(CNN)的出現解決了全連接層的參數規模問題，對於具有更多層和節點的神經網路，減少其存儲和計算成本變得至關重要。學習人工智能該從哪裡開始【讀友提問】上海台商張董問：「年輕學子學習金融人工智能和機器學習，該從哪開始呢？」答：學金融AI先學機器學習。金融AI演算法是偏向數學推導的，所以數學功底還是需要的，學的越深，要求越高。想成為一個機器學習從業者，從頭學習Python，代碼優先：先把代碼運行起來，再根據需要學習理論、數學、統計以及機率等方面，而不是一開始就學理論。當掌握了Python技巧，接下來進行數據分析、操作和視覺化。此際就開始學習如何處理和運算：學習通過 Pandas(處理二維數據，係為結構化數據、Numpy(所有數據都轉化成數字，進而在這些數字中找出模型)和Matplotlib( 繪製圖形和視覺化資料)。接續的學習就進到深度學習和神經網路，它是在沒有太多結構的數據上最有效。在金融期貨領域，深度學習嘗試發現變量之間的關係，在經過給定數據的訓練後，能夠在新數據的基礎上去預測結果，深度學習技術可去訓練優化演算法，隨著演算法不斷優化，以及計算能力不斷提升，卷積神經網路技術(CNN)在金融AI可發揮績效理財作用。
