優質課程，只為有追求的你，態度不認真者，請勿購買
課程名稱：
如何搭建金融信貸風控中的機器學習模型
課程介紹：
風控是金融業務的核心組成部分，而信貸風控又是整個風控領域體量最大、挑戰最大的類型。傳統的信貸風控主要靠資深從業人員依靠自身的經驗設置的專家規則。隨著統計學、大數據、機器學習的發展，現代信用風控越來越偏向量化模型的手段來得以解決風控問題。
本課程使用真實場景下的信貸違約數據，從基礎的數據分析開始，一步步構建依賴邏輯回歸、XGBoost、神經網絡模型等方法的風控模型。同時，本課程也會展示信貸風控領域中經常面臨的挑戰和相應的解決方法。從第三節課開始，每節課都會在真實數據的基礎上完成本章節的模塊設計。
老師介紹：
安迪生：碩士畢業于世界一流名校的統計學專業，具有外資銀行總部6年風控量化模型開發經驗，現任國內知名互聯網金融公司風控部高級數據分析師，對于信貸風控領域的模型開發、部署與使用有豐富的經歷，對機器學習模型、深度學習模型在風控業的應用有較深入的研究。
課程大綱：
第一章：數據分析與建模的基礎知識
1、數據分析的概念
2、數據可視化
3、數據分析的常用模型
4、數據分析的常用工具
第二章：互聯網金融和信貸風控的概述
1、互聯網金融的簡介
2、常見的個人信貸產品
3、信貸風控中的主要參數
第三章：評分卡模型（A卡）：數據的預處理與特征構建
1、數據的質量檢驗
2、缺失值和異常值
3、特征構建的方法
第四章：評分卡模型（A卡）：數據的預處理與特征構建（續）
1、特征的分箱
2、特征信息值與數值編碼
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用
1、LR模型的基本概念
2、基于LR模型的評分卡構建工作
3、從概率到分數
4、A卡模型的作用
第六章：模型的驗證、監控與調優
1、模型的區分度
2、模型的預測性
3、模型的平穩性
4、其他常見的監控指標
第七章：機器學習模型在信貸風控中的應用二：DNN模型
1、神經網絡模型的概述
2，激活函數與損失函數
3、反向傳播法
4、基于Tensorflow構建違約預測中的DNN模型
第八章：機器學習模型在信貸風控中的應用一：XGBoost模型
1、Boosting的概念與XGBoost模型簡介
2、XGBoost模型的構造
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
1、行為評分卡模型：基本概念和應用場景
2、行為評分卡中的數據預處理和特征衍生
3、行為評分卡的構建
第十一章：評分卡模型中的前沿問題一：標簽缺失的處理
1、什么是標簽缺失
2、標簽缺失的處理方法
3、標簽缺失場景下的模型構建
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、樣本權重法
