مدل‌سازی ریسک اعتباری و امتیازدهی اعتبار با یادگیری ماشینی

Credit Risk Modelling & Credit Scoring with Machine Learning

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: ساخت مدل ارزیابی ریسک اعتباری و پیش بینی امتیاز اعتباری با رگرسیون لجستیک، جنگل تصادفی و KNN آموزش ساخت مدل ارزیابی ریسک اعتباری با استفاده از رگرسیون لجستیک آموزش ساخت مدل ارزیابی ریسک اعتباری با استفاده از جنگل تصادفی آموزش ساخت مدل ارزیابی ریسک اعتباری با استفاده از K نزدیکترین همسایه یاد بگیرید چگونه امتیاز اعتباری را با استفاده از رگرسیون درخت تصمیم پیش بینی کنید یاد بگیرید چگونه رابطه بین نسبت بدهی به درآمد و نرخ نکول را پیدا کنید یاد بگیرید چگونه رابطه بین قصد وام، مبلغ وام و نرخ نکول را تجزیه و تحلیل کنید. امتیاز نحوه استقرار مدل یادگیری ماشینی با استفاده از Gradio را بیاموزید اصول اولیه تجزیه و تحلیل ریسک اعتباری، محدودیت های فنی در مدل سازی ریسک اعتباری، و موارد استفاده ارزیابی ریسک اعتباری در صنایع بانکی را بیاموزید با نحوه عملکرد مدل های ارزیابی ریسک اعتباری آشنا شوید. این بخش شامل جمع آوری داده ها، پیش پردازش، انتخاب ویژگی، تقسیم آزمون قطار و آموزش مدل می شود. ارزیابی دقت و عملکرد مدل با استفاده از دقت، یادآوری و اعتبار سنجی متقاطع آموزش یافتن و دانلود مجموعه داده اعتباری از Kaggle آموزش پاکسازی مجموعه داده با حذف مقادیر گمشده و موارد تکراری دانش پایتون و امور مالی

به دوره آموزشی امتیازدهی اعتباری مدلسازی ریسک اعتباری با یادگیری ماشین خوش آمدید. این یک دوره آموزشی جامع مبتنی بر پروژه است که در آن گام به گام نحوه ایجاد یک ارزیابی ریسک اعتباری و مدل امتیازدهی اعتباری با استفاده از رگرسیون لجستیک، جنگل تصادفی، و K Nearest Neighbors را یاد خواهید گرفت. این دوره ترکیبی عالی بین یادگیری ماشین و تجزیه و تحلیل ریسک اعتباری است و آن را به فرصتی ایده‌آل برای ارتقاء مهارت‌های علم داده خود و در عین حال بهبود دانش فنی خود در مدیریت ریسک تبدیل می‌کند. این دوره عمدتاً بر روی سه جنبه اصلی متمرکز خواهد بود، اولی تجزیه و تحلیل داده ها است که در آن مجموعه داده های اعتباری را از زوایای مختلف بررسی می کنید، دومی مدل سازی پیش بینی است که در آن یاد می گیرید که چگونه با استفاده از ماشین، سیستم ارزیابی ریسک اعتباری و امتیازدهی اعتبار ایجاد کنید. یادگیری و سومین مورد ارزیابی دقت و عملکرد مدل است. در جلسه مقدمه با مبانی اولیه تحلیل ریسک اعتباری مانند آشنایی با موارد کاربرد آن در صنایع بانکی و مالی، آشنایی بیشتر با مدل های یادگیری ماشینی مورد استفاده آشنا می شوید و همچنین با تکنیک های فنی آشنا می شوید. چالش ها و محدودیت ها در مدل سازی ریسک اعتباری سپس، در بخش بعدی، نحوه عملکرد مدل ارزیابی ریسک اعتباری را خواهید آموخت. این بخش شامل جمع آوری داده ها، پیش پردازش داده ها، انتخاب ویژگی، تقسیم داده ها به مجموعه های آموزشی و آزمایشی، انتخاب مدل، آموزش مدل، ارزیابی ریسک اعتباری، تخصیص می شود. امتیاز اعتباری، ارزیابی مدل، و استقرار مدل. پس از آن، همچنین در مورد عوامل متعددی که به امتیاز اعتباری کمک می کنند، آشنا خواهید شد، به عنوان مثال مانند سابقه پرداخت، نسبت استفاده از اعتبار، طول تاریخ اعتبار، بدهی معوق، ترکیب اعتبار، و درخواست های اعتباری جدید. پس از اینکه تمام دانش لازم در مورد تجزیه و تحلیل ریسک اعتباری را آموختید، پروژه را شروع خواهیم کرد. ابتدا در مورد نحوه راه اندازی Google Colab IDE گام به گام راهنمایی خواهید شد. علاوه بر آن، نحوه یافتن و دانلود مجموعه داده اعتباری از Kaggle را نیز یاد خواهید گرفت. وقتی همه چیز آماده شد، وارد اولین بخش پروژه می شویم که در آن مجموعه داده اعتباری را از زوایای مختلف بررسی می کنید، نه تنها این، بلکه داده ها را نیز تجسم کرده و سعی می کنید الگوها را شناسایی کنید. در قسمت دوم، گام به گام با نحوه ساخت مدل های ارزیابی ریسک اعتباری و سیستم های امتیازدهی اعتباری با استفاده از رگرسیون لجستیک، جنگل تصادفی و K نزدیکترین همسایه آشنا خواهید شد. در همین حال، در بخش سوم، نحوه ارزیابی دقت و عملکرد مدل با استفاده از چندین روش مانند اعتبار سنجی متقاطع، دقت و یادآوری را یاد خواهید گرفت. در نهایت، در پایان دوره، ما این مدل یادگیری ماشینی را با استفاده از Gradio به کار می‌گیریم و آزمایشاتی را انجام می‌دهیم تا مطمئن شویم که مدل کاملاً کار می‌کند و نتایج دقیقی تولید می‌کند.

اول از همه، قبل از ورود به دوره، باید این سوال را از خود بپرسیم: چرا باید یک مدل ارزیابی ریسک اعتباری و سیستم امتیازدهی اعتبار بسازیم؟ خب جواب من اینجاست در اکوسیستم مالی امروزی، ارزیابی دقیق ریسک اعتباری و امتیازدهی برای بانک ها و مؤسسات مالی ضروری است تا تصمیمات آگاهانه وام دهند. با افزایش پیچیدگی بازارهای مالی و رفتار مشتری، روش‌های سنتی ممکن است به تنهایی کافی نباشد. با استفاده از قدرت الگوریتم‌های یادگیری ماشین و بینش‌های مبتنی بر داده، می‌توانیم دقت تصمیم‌گیری را افزایش دهیم، ریسک‌های اعتباری را به طور موثر کاهش دهیم و شیوه‌های وام دهی را بهینه کنیم. علاوه بر این، تسلط بر مهارت‌ها در ساخت مدل‌های پیچیده ریسک اعتباری و سیستم‌های امتیازدهی می‌تواند به طور بالقوه به فرصت‌های شغلی متعددی در بخش‌های فناوری مالی منجر شود.

در زیر مواردی وجود دارد که می‌توانید از این دوره یاد بگیرید:

  • مبانی اساسی تجزیه و تحلیل ریسک اعتباری، چالش‌ها و محدودیت‌های فنی در مدل‌سازی ریسک اعتباری، و موارد استفاده ارزیابی ریسک اعتباری در صنایع بانکی و مالی را بیاموزید

  • با نحوه عملکرد مدل های ارزیابی ریسک اعتباری آشنا شوید. این بخش جمع آوری داده ها، پیش پردازش، انتخاب ویژگی، تقسیم آزمون قطار، انتخاب مدل، آموزش مدل را پوشش می دهد. ارزیابی ریسک اعتباری و امتیاز، ارزیابی مدل، و استقرار مدل

  • درباره عواملی که بر امتیاز اعتباری تأثیر می‌گذارند، مانند سابقه پرداخت، نسبت استفاده از اعتبار، طول سابقه اعتبار، بدهی معوق، ترکیب اعتبار، و سؤالات اعتباری جدید بیاموزید

  • با نحوه یافتن و دانلود مجموعه داده اعتباری از Kaggle آشنا شوید

  • نحوه تمیز کردن مجموعه داده با حذف مقادیر و موارد تکراری از دست رفته را بیاموزید

  • با نحوه یافتن ارتباط بین نسبت بدهی به درآمد و نرخ پیش‌فرض آشنا شوید

  • با نحوه تجزیه و تحلیل رابطه بین قصد وام، مبلغ وام و نرخ پیش‌فرض آشنا شوید

  • با نحوه ایجاد مدل ارزیابی ریسک اعتباری با استفاده از رگرسیون لجستیک آشنا شوید

  • با نحوه ساخت مدل ارزیابی ریسک اعتباری با استفاده از جنگل تصادفی آشنا شوید

  • با نحوه ساخت مدل ارزیابی ریسک اعتباری با استفاده از K Nearest Neighbor آشنا شوید

  • با نحوه تجزیه و تحلیل رابطه بین بدهی معوق و امتیاز اعتباری آشنا شوید

  • با نحوه پیش‌بینی امتیاز اعتباری با استفاده از رگرسیون درخت تصمیم آشنا شوید

  • با نحوه استقرار مدل یادگیری ماشین با استفاده از Gradio آشنا شوید

  • با نحوه ارزیابی دقت و عملکرد مدل با استفاده از دقت، یادآوری و اعتبارسنجی متقابل آشنا شوید


سرفصل ها و درس ها

مقدمه Introduction

  • مقدمه دوره Introduction to the Course

  • فهرست مطالب Table of Contents

  • این دوره برای چه کسانی در نظر گرفته شده است؟ Whom This Course is Intended for?

ابزارها، IDE و مجموعه داده ها Tools, IDE, and Datasets

  • ابزارها، IDE و مجموعه داده ها Tools, IDE, and Datasets

مقدمه ای بر تحلیل ریسک اعتباری Introduction to Credit Risk Analysis

  • مقدمه ای بر تحلیل ریسک اعتباری Introduction to Credit Risk Analysis

مدل ارزیابی ریسک اعتباری چگونه کار می کند؟ How Credit Risk Assessment Model Works?

  • مدل ارزیابی ریسک اعتباری چگونه کار می کند؟ How Credit Risk Assessment Model Works?

عوامل موثر بر امتیاز اعتبار Factors That Affect Credit Score

  • عوامل موثر بر امتیاز اعتبار Factors That Affect Credit Score

یافتن و بارگیری مجموعه داده های اعتباری از Kaggle Finding & Downloading Credit Dataset From Kaggle

  • یافتن و بارگیری مجموعه داده های اعتباری از Kaggle Finding & Downloading Credit Dataset From Kaggle

راه اندازی Google Colab IDE Setting Up Google Colab IDE

  • راه اندازی Google Colab IDE Setting Up Google Colab IDE

در حال آپلود مجموعه داده اعتباری در Google Colab Uploading Credit Dataset to Google Colab

  • در حال آپلود مجموعه داده اعتباری در Google Colab Uploading Credit Dataset to Google Colab

مروری سریع بر مجموعه داده های اعتباری Quick Overview of Credit Dataset

  • مروری سریع بر مجموعه داده های اعتباری Quick Overview of Credit Dataset

پاک کردن مجموعه داده با حذف مقادیر و موارد تکراری از دست رفته Cleaning Dataset by Removing Missing Values & Duplicates

  • پاک کردن مجموعه داده با حذف مقادیر و موارد تکراری از دست رفته Cleaning Dataset by Removing Missing Values & Duplicates

یافتن همبستگی بین نسبت بدهی به درآمد و نرخ پیش فرض Finding Correlation Between Debt to Income Ratio & Default Rate

  • یافتن همبستگی بین نسبت بدهی به درآمد و نرخ پیش فرض Finding Correlation Between Debt to Income Ratio & Default Rate

تجزیه و تحلیل رابطه بین مبلغ وام، قصد وام و نرخ پیش‌فرض Analyzing Relationship Between Loan Amount, Loan Intent, and Default Rate

  • تجزیه و تحلیل رابطه بین مبلغ وام، قصد وام و نرخ پیش‌فرض Analyzing Relationship Between Loan Amount, Loan Intent, and Default Rate

ساخت مدل ارزیابی ریسک اعتباری با رگرسیون لجستیک Building Credit Risk Assessment Model with Logistic Regression

  • ساخت مدل ارزیابی ریسک اعتباری با رگرسیون لجستیک قسمت 1 Building Credit Risk Assessment Model with Logistic Regression Part 1

  • ساخت مدل ارزیابی ریسک اعتباری با رگرسیون لجستیک قسمت 2 Building Credit Risk Assessment Model with Logistic Regression Part 2

ساخت مدل ارزیابی ریسک اعتباری با جنگل تصادفی Building Credit Risk Assessment Model with Random Forest

  • ساخت مدل ارزیابی ریسک اعتباری با جنگل تصادفی Building Credit Risk Assessment Model with Random Forest

ساخت مدل ارزیابی ریسک اعتباری با K نزدیکترین همسایه Building Credit Risk Assessment Model with K Nearest Neighbors

  • ساخت مدل ارزیابی ریسک اعتباری با K نزدیکترین همسایه Building Credit Risk Assessment Model with K Nearest Neighbors

تجزیه و تحلیل رابطه بین بدهی معوق و امتیاز اعتباری Analyzing Relationship Between Outstanding Debt & Credit Score

  • تجزیه و تحلیل رابطه بین بدهی معوق و امتیاز اعتباری Analyzing Relationship Between Outstanding Debt & Credit Score

پیش بینی امتیاز اعتبار با رگرسیون درخت تصمیم Predicting Credit Score with Decision Tree Regressor

  • پیش بینی امتیاز اعتبار با رگرسیون درخت تصمیم Predicting Credit Score with Decision Tree Regressor

استقرار مدل یادگیری ماشین با Gradio Deploying Machine Learning Model with Gradio

  • استقرار مدل یادگیری ماشین با Gradio Deploying Machine Learning Model with Gradio

ارزیابی مدل با دقت، یادآوری و اعتبارسنجی متقاطع Evaluating Model with Precision, Recall, and Cross Validation

  • ارزیابی مدل با دقت، یادآوری و اعتبارسنجی متقاطع Evaluating Model with Precision, Recall, and Cross Validation

نتیجه گیری و خلاصه Conclusion & Summary

  • نتیجه گیری و خلاصه Conclusion & Summary

نمایش نظرات

Udemy (یودمی)

یودمی یکی از بزرگ‌ترین پلتفرم‌های آموزشی آنلاین است که به میلیون‌ها کاربر در سراسر جهان امکان دسترسی به دوره‌های متنوع و کاربردی را فراهم می‌کند. این پلتفرم امکان آموزش در زمینه‌های مختلف از فناوری اطلاعات و برنامه‌نویسی گرفته تا زبان‌های خارجی، مدیریت، و هنر را به کاربران ارائه می‌دهد. با استفاده از یودمی، کاربران می‌توانند به صورت انعطاف‌پذیر و بهینه، مهارت‌های جدیدی را یاد بگیرند و خود را برای بازار کار آماده کنند.

یکی از ویژگی‌های برجسته یودمی، کیفیت بالای دوره‌ها و حضور استادان مجرب و با تجربه در هر حوزه است. این امر به کاربران اعتماد می‌دهد که در حال دریافت آموزش از منابع قابل اعتماد و معتبر هستند و می‌توانند به بهترین شکل ممکن از آموزش‌ها بهره ببرند. به طور خلاصه، یودمی به عنوان یکی از معتبرترین و موثرترین پلتفرم‌های آموزشی آنلاین، به افراد امکان می‌دهد تا به راحتی و با کیفیت، مهارت‌های مورد نیاز خود را ارتقا دهند و به دنبال رشد و پیشرفت شغلی خود باشند.

مدل‌سازی ریسک اعتباری و امتیازدهی اعتبار با یادگیری ماشینی
جزییات دوره
3.5 hours
23
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
1,709
4.1 از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Christ Raharja Christ Raharja

مشاور سابق ریسک فناوری و علاقه‌مند به تجارت الکترونیک