机器学习如何与传统行业结合？金融领域可能是最大风口

微信公众号

关键字全网搜索最新排名

【机器学习算法】：排名第一

【机器学习】：排名第一

【Python】：排名第三

【算法】：排名第四

《金融信贷风控的机器学习实战》

原价     ¥ 899.00 

拼团已达最低价   ¥ 399.00 

点击文末阅读原文参团

课程名称

 

《金融信贷风控的机器学习实战》（七天无理由退款）

主讲老师

田野：

硕士毕业于新加坡国立大学统计专业。先后在国内外的银行、互联网金融公司工作，有丰富的银行、互联网金融的数据分析经验。期间负责信用风控量化模型的开发，主要用统计模型和机器学习模型对贷款的违约风险和损失进行预测。此外，对银行客群的行为分析也有相关经验，包括流失预警和消费预测等业务场景。

面向人群

1.  对金融业感兴趣，想从事银行业、互联网金融行业风控业务

2.  金融行业数据分析从业人员，并且有一定的数据分析基础和编程能力的学员

学习收益

1.  熟悉金融行业业务，助力快速适应金融行业数据分析

 

2.  掌握风控业务中的违约预测技术，熟悉构建怎样的特征和模型来降低信贷业务中的违约损失

  

开课时间

2017年12月6日

学习方式

 

在线直播，共10次课，每次2小时

每周2次（周三、五，20:00 - 22:00）

直播后提供录制回放视频，可在线反复观看，有效期1年

课程大纲

      

第一课：互联网金融业申请评分卡的介绍

    1.  信贷违约的基本概念

    2.  申请评分卡在互联网金融业的重要性和特性

    3.  贷款申请环节的数据介绍和描述

    4.  非平衡样本问题的定义和解决方法

    5.  过抽样和欠抽样，SMOTE算法

 

第二课：申请评分卡中的数据预处理和特征衍生

    1.  构建信用风险类型的特征

    2.  特征的分箱

         分箱的优点

         Best-KS分箱法和卡方分箱法

    3.  特征信息度的计算和意义

 

第三课：申请评分卡中的数据预处理和特征衍生（续）

    1.  特征分箱后如何编码

   WOE的概念、优点和计算

    2.  信用风险中的单变量分析和多变量分析

 

第四课：逻辑回归模型在申请评分卡中的应用    

    1.  逻辑回归在申请评分卡中的作用的概述

    2.  降维的方法

   主成分法

    3.  变量选择的方法

   LASSO方法

   逐步回归法

   随机森林法

 

第五课：评分卡模型的评价标准

     1.  模型对违约与非违约人群的区分度：KS

     2.  模型的准确度衡量：AR

    尽可能抓住足够多的违约人群

          尽可能不误抓非违约人群

     3.  评分卡模型其他常用的评价指标

          PSI

          Kendal’s Tau

 

第六课：行为评分卡模型的介绍

    1.  行为评分卡的基本概念

    2.  行为评分卡的特征构造

    3.  行为评分卡模型的开发

 

第七课：催收评分卡（还款率）模型的介绍

    1.  催收评分卡的基本概念

    2.  还款率模型的特征构造

    3.  还款率模型的开发

 

第八课：机器学习模型用于评分卡模型－GBDT

    1.  GBDT模型如何应用在违约预测模型中

    2.  如何从违约数据中推导GBDT模型的参数

    3.  GBDT模型对防范客户违约的指导意义

 

第九课：深度学习模型用于评分卡模型

    1.  深度学习模型如何应用在违约预测模型中

    2.  如何从客户违约数据中推导深度学习模型的参数

    3.  深度学习模型对防范客户违约的指导意义

    4.  深度学习模型和GBDT模型在违约预测工作中的功效比较

 

第十课：前沿研究－组合评分卡模型

    1.  组合模型概述

    2.  串行结构的评分组合模型

    3.  异态并行结构的评分组合模型

    4.  同态并行结构的评分组合模型

常见问题

Q： 会有实际上机演示和动手操作吗？
A： 有，几乎每节课，老师均会准备上机演示部分，学员可以学习老师的实践经验。

Q： 参加本门课程有什么要求？
A： 了解线性代数，微积分，概率论与数理统计，以及有一定R/Python编程基础

参团，咨询，查看课程，请点击【阅读原文】

↓↓↓