感謝您提交詢問！我們的一位團隊成員將在短時間內與您聯繫。
感謝您提交預訂！我們的一位團隊成員將在短時間內與您聯繫。
課程簡介
AI 在信用風險中的基礎與機會
- 傳統與 AI 驅動的信用風險模型
- 信用評估的挑戰：偏誤、可解釋性與公平性
- AI 在放款中的真實世界案例研究
信用評分模型的資料
- 資料來源：交易、行為與替代資料
- 資料清理與特徵工程以支援放款決策
- 處理風險預測中的類別不平衡與資料稀缺
機器學習用於信用評分
- 邏輯迴歸、決策樹與隨機森林
- 梯度提升（LightGBM、XGBoost）以提升評分準確度
- 模型訓練、驗證與調參技巧
AI 驅動的放款工作流程
- 自動化借款人分群與貸款風險評估
- AI 增強的核保與核准流程
- 使用 ML 進行動態定價與利率優化
模型可解釋性與負責任 AI
- 使用 SHAP 和 LIME 解釋預測
- 信用模型的公平性：偏誤偵測與緩解
- 符合法規架構（例如 ECOA、GDPR）
生成式 AI 在放款情境中的應用
- 使用 LLM 進行申請審查與文件分析
- 提示工程以支援借款人溝通與洞察
- 合成資料生成以進行模型測試
AI 在信用領域的策略與治理
- 建立內部 AI 能力與外部解決方案的比較
- 模型生命週期管理與治理最佳實務
- 未來趨勢：即時信用評分、開放銀行整合
總結與後續步驟
最低要求
- 了解信用風險基礎知識
- 具備資料分析或商業智慧工具的使用經驗
- 熟悉 Python 或願意學習基本語法
目標學員
- 放款經理
- 信用分析師
- 金融科技創新者
14 小時
客戶評論 (1)
我已有一些了解的报告，我会使用今天看过的一些提示。
Kelly Cotham
課程 - Copilot for Finance and Accounting Professionals
機器翻譯
