優(yōu)質(zhì)課程，只為有追求的你，態(tài)度不認(rèn)真者，請勿購買
課程名稱：
如何搭建金融信貸風(fēng)控中的機(jī)器學(xué)習(xí)模型
課程介紹：
風(fēng)控是金融業(yè)務(wù)的核心組成部分，而信貸風(fēng)控又是整個風(fēng)控領(lǐng)域體量最大、挑戰(zhàn)最大的類型。傳統(tǒng)的信貸風(fēng)控主要靠資深從業(yè)人員依靠自身的經(jīng)驗(yàn)設(shè)置的專家規(guī)則。隨著統(tǒng)計(jì)學(xué)、大數(shù)據(jù)、機(jī)器學(xué)習(xí)的發(fā)展，現(xiàn)代信用風(fēng)控越來越偏向量化模型的手段來得以解決風(fēng)控問題。
本課程使用真實(shí)場景下的信貸違約數(shù)據(jù)，從基礎(chǔ)的數(shù)據(jù)分析開始，一步步構(gòu)建依賴邏輯回歸、XGBoost、神經(jīng)網(wǎng)絡(luò)模型等方法的風(fēng)控模型。同時，本課程也會展示信貸風(fēng)控領(lǐng)域中經(jīng)常面臨的挑戰(zhàn)和相應(yīng)的解決方法。從第三節(jié)課開始，每節(jié)課都會在真實(shí)數(shù)據(jù)的基礎(chǔ)上完成本章節(jié)的模塊設(shè)計(jì)。
老師介紹：
安迪生：碩士畢業(yè)于世界一流名校的統(tǒng)計(jì)學(xué)專業(yè)，具有外資銀行總部6年風(fēng)控量化模型開發(fā)經(jīng)驗(yàn)，現(xiàn)任國內(nèi)知名互聯(lián)網(wǎng)金融公司風(fēng)控部高級數(shù)據(jù)分析師，對于信貸風(fēng)控領(lǐng)域的模型開發(fā)、部署與使用有豐富的經(jīng)歷，對機(jī)器學(xué)習(xí)模型、深度學(xué)習(xí)模型在風(fēng)控業(yè)的應(yīng)用有較深入的研究。
課程大綱：
第一章：數(shù)據(jù)分析與建模的基礎(chǔ)知識
1、數(shù)據(jù)分析的概念
2、數(shù)據(jù)可視化
3、數(shù)據(jù)分析的常用模型
4、數(shù)據(jù)分析的常用工具
第二章：互聯(lián)網(wǎng)金融和信貸風(fēng)控的概述
1、互聯(lián)網(wǎng)金融的簡介
2、常見的個人信貸產(chǎn)品
3、信貸風(fēng)控中的主要參數(shù)
第三章：評分卡模型（A卡）：數(shù)據(jù)的預(yù)處理與特征構(gòu)建
1、數(shù)據(jù)的質(zhì)量檢驗(yàn)
2、缺失值和異常值
3、特征構(gòu)建的方法
第四章：評分卡模型（A卡）：數(shù)據(jù)的預(yù)處理與特征構(gòu)建（續(xù)）
1、特征的分箱
2、特征信息值與數(shù)值編碼
3、單變量分析
4、多變量分析
第五章：Logistic Regression（LR）在評分卡模型中的應(yīng)用
1、LR模型的基本概念
2、基于LR模型的評分卡構(gòu)建工作
3、從概率到分?jǐn)?shù)
4、A卡模型的作用
第六章：模型的驗(yàn)證、監(jiān)控與調(diào)優(yōu)
1、模型的區(qū)分度
2、模型的預(yù)測性
3、模型的平穩(wěn)性
4、其他常見的監(jiān)控指標(biāo)
第七章：機(jī)器學(xué)習(xí)模型在信貸風(fēng)控中的應(yīng)用二：DNN模型
1、神經(jīng)網(wǎng)絡(luò)模型的概述
2，激活函數(shù)與損失函數(shù)
3、反向傳播法
4、基于Tensorflow構(gòu)建違約預(yù)測中的DNN模型
第八章：機(jī)器學(xué)習(xí)模型在信貸風(fēng)控中的應(yīng)用一：XGBoost模型
1、Boosting的概念與XGBoost模型簡介
2、XGBoost模型的構(gòu)造
3、XGBoost模型中的特征重要性
第九章：組合模型在評分卡中的應(yīng)用
1、單一模型與組合模型的基本概念
2、組合模型的基本方法：Bagging，Boosting和Stacking
3、組合模型與單一模型的對比
第十章：評分卡模型（B卡）的開發(fā)
1、行為評分卡模型：基本概念和應(yīng)用場景
2、行為評分卡中的數(shù)據(jù)預(yù)處理和特征衍生
3、行為評分卡的構(gòu)建
第十一章：評分卡模型中的前沿問題一：標(biāo)簽缺失的處理
1、什么是標(biāo)簽缺失
2、標(biāo)簽缺失的處理方法
3、標(biāo)簽缺失場景下的模型構(gòu)建
第十二章：評分卡模型中的前沿問題二：非平衡樣本的處理
1、過采樣與欠采樣
2、SMOTE算法
3、樣本權(quán)重法
