لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش مدل سازی ریسک اعتباری در پایتون 2023
Credit Risk Modeling in Python 2023
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
یک مطالعه موردی کامل از علم داده: پیش پردازش، مدلسازی، اعتبارسنجی مدل و نگهداری در پایتون مهارتهای مدلسازی پایتون خود را بهبود ببخشید نمونه کارهای علم داده خود را با یک موضوع داغ متمایز کنید رزومه خود را با مهارتهای علم داده مورد تقاضا پر کنید یک مدل ریسک اعتباری کامل در Python Impress بسازید. مصاحبهکنندگان با نشان دادن دانش عملی نحوه پیشپردازش دادههای واقعی در پایتون یادگیری نظریه مدلسازی ریسک اعتباری بهکارگیری تکنیکهای علم دادههای پیشرفته حل یک تکلیف واقعی علم داده بتوانید کارایی مدل خود را ارزیابی کنید. انجام رگرسیونهای خطی و لجستیک در پایتون پیش نیازها: نیازی به تجربه قبلی نیست. ما از همان اصول اولیه ای که برای نصب Anaconda و Python نیاز دارید شروع می کنیم. ما به شما نشان خواهیم داد که چگونه این کار را مرحله به مرحله انجام دهید
دوره کاملاً جدید!!
سلام! به مدل سازی ریسک اعتباری در پایتون خوش آمدید. تنها دوره آنلاینی که به شما می آموزد چگونه بانک ها از مدل سازی علم داده در پایتون برای بهبود عملکرد خود و رعایت الزامات قانونی استفاده می کنند. اگر به حرفه علم داده علاقه دارید، این دوره عالی برای شماست. در اینجا دلیل است:
· مدرس یک متخصص اثبات شده است (دکتری از مدرسه بازرگانی نروژ، که در دانشگاه های مشهور جهان مانند HEC، دانشگاه تگزاس و مدرسه بازرگانی نروژ تدریس کرده است).
· این دوره برای مبتدیان مناسب است. ما با تئوری و پیش پردازش داده های اولیه شروع می کنیم و به تدریج یک تمرین کامل را پیش روی شما حل می کنیم
· هر چیزی که ما پوشش می دهیم به روز و مرتبط با توسعه امروزی مدل های پایتون برای صنعت بانکداری است
· این تنها دوره آنلاینی است که تصویر کاملی از ریسک اعتباری در پایتون را نشان می دهد (با استفاده از تکنیک های پیشرفته برای مدل سازی هر سه جنبه معادله ضرر مورد انتظار - PD، LGD، و EAD) از جمله ایجاد کارت امتیازی از خراش
· در اینجا ما به شما نشان می دهیم که چگونه می توانید مدل هایی ایجاد کنید که با مقررات بازل II و بازل III مطابقت دارند که سایر دوره ها به ندرت به آنها اشاره می کنند
· قرار نیست با داده های جعلی کار کنیم. مجموعه داده استفاده شده در این دوره یک مثال واقعی در دنیای واقعی است
· میتوانید با نشان دادن مهارتهایی که در بازار کار به شدت مورد تقاضا هستند، نمونه کارهای علم داده خود را متمایز کنید
· مهمترین چیز - شما میتوانید به طور مستقیم ببینید که چگونه یک کار علم داده در دنیای واقعی حل میشود
اکثر دورههای علوم داده چندین چارچوب را پوشش میدهند، اما از بخش پیش پردازش و تئوری صرف نظر میکنند. این مانند این است که قبل از اینکه بتوانید یک بطری شراب را باز کنید یاد بگیرید چگونه شراب را بچشید.
ما این کار را نمیکنیم. هدف ما کمک به شما برای ایجاد یک پایه محکم است. ما از شما می خواهیم که تئوری را مطالعه کنید، یاد بگیرید که چگونه داده هایی را که لزوما در "دوستانه ترین" قالب نیستند، از قبل پردازش کنید، و البته، تنها در این صورت به شما نشان خواهیم داد که چگونه یک مدل پیشرفته و چگونه بسازید. برای ارزیابی اثربخشی آن.
در طول دوره، چندین تکنیک مهم علم داده را پوشش خواهیم داد.
- وزن شواهد
- مقدار اطلاعات
- طبقه بندی خوب
- طبقه بندی درشت
- رگرسیون خطی
- رگرسیون لجستیک
- ناحیه زیر منحنی
- منحنی مشخصه عملکرد گیرنده
- ضریب جینی
- کولموگروف-اسمیرنوف
- ارزیابی ثبات جمعیت
- حفظ یک مدل
همراه با درس های ویدیویی، چندین منبع ارزشمند دریافت خواهید کرد که به شما کمک می کند تا حد امکان یاد بگیرید:
· سخنرانی ها
· فایل های نوت بوک
· تکالیف
· سؤالات مسابقه
· اسلایدها
· دانلودها
· به Q A دسترسی داشته باشید، جایی که می توانید با معلم دوره تماس بگیرید.
ثبت نام در دوره امروز می تواند گامی عالی به سوی حرفه شما در علم داده باشد. مطمئن شوید که از این فرصت شگفت انگیز نهایت استفاده را می برید!
از داخل می بینمت!
سرفصل ها و درس ها
معرفی
Introduction
دوره شامل چه مواردی می شود
What does the course cover
ریسک اعتباری چیست و چرا اهمیت دارد؟
What is credit risk and why is it important?
ریسک اعتباری چیست و چرا اهمیت دارد؟
What is credit risk and why is it important?
زیان مورد انتظار (EL) و اجزای آن: PD، LGD و EAD
Expected loss (EL) and its components: PD, LGD and EAD
زیان مورد انتظار (EL) و اجزای آن: PD، LGD و EAD
Expected loss (EL) and its components: PD, LGD and EAD
کفایت سرمایه، مقررات و توافقنامه بازل 2
Capital adequacy, regulations, and the Basel II accord
کفایت سرمایه، مقررات و توافقنامه بازل 2
Capital adequacy, regulations, and the Basel II accord
رویکردهای بازل II: SA، F-IRB، و A-IRB
Basel II approaches: SA, F-IRB, and A-IRB
رویکردهای بازل II: SA، F-IRB، و A-IRB
Basel II approaches: SA, F-IRB, and A-IRB
انواع مختلف تسهیلات (طبقات دارایی) و رویکردهای مدلسازی ریسک اعتباری
Different facility types (asset classes) and credit risk modeling approaches
انواع مختلف تسهیلات (طبقات دارایی) و رویکردهای مدلسازی ریسک اعتباری
Different facility types (asset classes) and credit risk modeling approaches
معرفی
Introduction
دوره شامل چه مواردی می شود
What does the course cover
ریسک اعتباری چیست و چرا اهمیت دارد؟
What is credit risk and why is it important?
ریسک اعتباری چیست و چرا اهمیت دارد؟
What is credit risk and why is it important?
زیان مورد انتظار (EL) و اجزای آن: PD، LGD و EAD
Expected loss (EL) and its components: PD, LGD and EAD
زیان مورد انتظار (EL) و اجزای آن: PD، LGD و EAD
Expected loss (EL) and its components: PD, LGD and EAD
کفایت سرمایه، مقررات و توافقنامه بازل 2
Capital adequacy, regulations, and the Basel II accord
کفایت سرمایه، مقررات و توافقنامه بازل 2
Capital adequacy, regulations, and the Basel II accord
رویکردهای بازل II: SA، F-IRB، و A-IRB
Basel II approaches: SA, F-IRB, and A-IRB
رویکردهای بازل II: SA، F-IRB، و A-IRB
Basel II approaches: SA, F-IRB, and A-IRB
انواع مختلف تسهیلات (طبقات دارایی) و رویکردهای مدلسازی ریسک اعتباری
Different facility types (asset classes) and credit risk modeling approaches
انواع مختلف تسهیلات (طبقات دارایی) و رویکردهای مدلسازی ریسک اعتباری
Different facility types (asset classes) and credit risk modeling approaches
راه اندازی محیط کار
Setting up the working environment
راه اندازی محیط - لطفا از دست ندهید!
Setting up the environment - Do not skip, please!
چرا پایتون و چرا ژوپیتر
Why Python and why Jupyter
نصب آناکوندا
Installing Anaconda
داشبورد Jupyter - قسمت 1
Jupyter Dashboard - Part 1
داشبورد Jupyter - قسمت 2
Jupyter Dashboard - Part 2
نصب پکیج اسکلرن
Installing the sklearn package
راه اندازی محیط کار
Setting up the working environment
راه اندازی محیط - لطفا از دست ندهید!
Setting up the environment - Do not skip, please!
چرا پایتون و چرا ژوپیتر
Why Python and why Jupyter
نصب آناکوندا
Installing Anaconda
داشبورد Jupyter - قسمت 1
Jupyter Dashboard - Part 1
داشبورد Jupyter - قسمت 2
Jupyter Dashboard - Part 2
نصب پکیج اسکلرن
Installing the sklearn package
توضیحات مجموعه داده
Dataset description
مثال ما: وام های مصرفی. اولین نگاهی به مجموعه داده
Our example: consumer loans. A first look at the dataset
مثال ما: وام های مصرفی. اولین نگاهی به مجموعه داده
Our example: consumer loans. A first look at the dataset
متغیرهای وابسته و متغیرهای مستقل
Dependent variables and independent variables
متغیرهای وابسته و متغیرهای مستقل
Dependent variables and independent variables
توضیحات مجموعه داده
Dataset description
مثال ما: وام های مصرفی. اولین نگاهی به مجموعه داده
Our example: consumer loans. A first look at the dataset
مثال ما: وام های مصرفی. اولین نگاهی به مجموعه داده
Our example: consumer loans. A first look at the dataset
متغیرهای وابسته و متغیرهای مستقل
Dependent variables and independent variables
متغیرهای وابسته و متغیرهای مستقل
Dependent variables and independent variables
پیش پردازش عمومی
General preprocessing
وارد کردن داده ها به پایتون
Importing the data into Python
وارد کردن داده ها به پایتون
Importing the data into Python
پیش پردازش چند متغیر پیوسته
Preprocessing few continuous variables
پیش پردازش چند متغیر پیوسته
Preprocessing few continuous variables
پیش پردازش چند متغیر پیوسته: تکالیف
Preprocessing few continuous variables: Homework
پیش پردازش چند متغیر گسسته
Preprocessing few discrete variables
پیش پردازش چند متغیر گسسته
Preprocessing few discrete variables
مقادیر از دست رفته را بررسی کنید و تمیز کنید
Check for missing values and clean
مقادیر از دست رفته را بررسی کنید و تمیز کنید
Check for missing values and clean
مقادیر از دست رفته را بررسی کنید و پاک کنید: تکالیف
Check for missing values and clean: Homework
پیش پردازش عمومی
General preprocessing
وارد کردن داده ها به پایتون
Importing the data into Python
وارد کردن داده ها به پایتون
Importing the data into Python
پیش پردازش چند متغیر پیوسته
Preprocessing few continuous variables
پیش پردازش چند متغیر پیوسته
Preprocessing few continuous variables
پیش پردازش چند متغیر پیوسته: تکالیف
Preprocessing few continuous variables: Homework
پیش پردازش چند متغیر گسسته
Preprocessing few discrete variables
پیش پردازش چند متغیر گسسته
Preprocessing few discrete variables
مقادیر از دست رفته را بررسی کنید و تمیز کنید
Check for missing values and clean
مقادیر از دست رفته را بررسی کنید و تمیز کنید
Check for missing values and clean
مقادیر از دست رفته را بررسی کنید و پاک کنید: تکالیف
Check for missing values and clean: Homework
مدل PD: آماده سازی داده ها
PD Model: Data Preparation
مدل PD چگونه به نظر می رسد؟
How is the PD model going to look like?
مدل PD چگونه به نظر می رسد؟
How is the PD model going to look like?
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.
نمایش نظرات