آموزش ارزیابی ریسک اعتباری و تصمیم گیری توسط متخصصان جهانی - آخرین آپدیت

دانلود Credit Risk Scoring & Decision Making by Global Experts

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:

دوره آموزش مدل‌سازی ریسک اعتباری با پایتون (Credit Risk Modeling with Python)

آیا آماده ارتقای مهارت‌های خود در مدیریت ریسک اعتباری و پیشرفت شغلی در دنیای مالی هستید؟ دوره جامع "مدل‌سازی ریسک اعتباری با پایتون" به شما کمک می‌کند تا با ابزارها و دانش ضروری، در این حوزه کلیدی بدرخشید.

این دوره برای چه کسانی مناسب است؟

متخصصان بانکی: اگر تحلیلگر اعتباری، مسئول وام یا مدیر ریسک هستید، این دوره درک شما از تکنیک‌های پیشرفته مدل‌سازی را افزایش می‌دهد.

دانشجویان رشته‌های مالی و مدیریت ریسک: با کسب مهارت‌های عملی در مدل‌سازی ریسک اعتباری، در بازار کار رقابتی متمایز شوید.

دانشمندان داده و تحلیلگران: با استفاده از پایتون، تخصص خود در علم داده را به بخش مالی گسترش دهید و رزومه خود را تقویت کنید.

افراد مشتاق به فعالیت در حوزه ریسک اعتباری: اگر در این زمینه تازه‌کار هستید، این دوره یک پایه محکم برای شما فراهم می‌کند و شما را برای زندگی کاری آماده می‌سازد.

کارآفرینان و صاحبان کسب‌وکار: با درک و مدیریت موثر ریسک اعتباری، تصمیمات آگاهانه‌تری در زمینه وام‌دهی یا سرمایه‌گذاری بگیرید.

در این دوره چه چیزهایی یاد می‌گیرید؟

ساخت یک مدل جامع ریسک اعتباری: یک مدل کامل با استفاده از پایتون بسازید که جنبه‌های کلیدی مانند احتمال نکول (Probability of Default) و کارت‌های امتیازی را پوشش می‌دهد.

پیش‌پردازش و تحلیل داده‌های واقعی: نحوه مدیریت و آماده‌سازی مجموعه‌ داده‌های واقعی برای مدل‌سازی و تحلیل را یاد بگیرید.

به‌کارگیری تکنیک‌های پیشرفته علم داده: تکنیک‌های پیشرفته علم داده را در زمینه مدیریت ریسک اعتباری درک کرده و به کار ببرید.

ارزیابی و اعتبارسنجی مدل‌ها: مهارت‌های ارزیابی و اعتبارسنجی مدل را برای اطمینان از قابلیت اطمینان و اثربخشی آن‌ها کسب کنید.

کاربرد عملی و مثال‌های واقعی: از طریق مطالعات موردی و مثال‌های واقعی، یادگیری خود را مستقیماً در کار خود به کار ببرید.

تسلط بر پروفایل‌سازی ریسک: به طور دقیق ریسک وام‌گیرندگان بالقوه را پروفایل کنید و تصمیمات اعتباری مطمئن بگیرید.

چرا این دوره را انتخاب کنید؟

آموزش توسط متخصصان: از متخصصان صنعت که در پروژه‌های جهانی کار کرده‌اند و نرم‌افزارهایی را در مقیاس جهانی توسعه داده‌اند، بیاموزید. تجربه دنیای واقعی و مدارک تحصیلی آن‌ها تضمین می‌کند که آموزش باکیفیتی دریافت کنید.

محتوای جامع: این دوره از تئوری تا کاربردهای عملی، تمام جنبه‌های مدل‌های امتیازدهی اعتباری را پوشش می‌دهد.

داده‌های واقعی: با مجموعه‌ داده‌های واقعی کار کنید و وظایف علم داده دنیای واقعی را حل کنید، نه فقط تمرین‌های نظری.

پیشرفت شغلی: رزومه خود را بهبود بخشید و با دانش و مهارت‌های عملی خود در یک زمینه پرتقاضا، مصاحبه‌کنندگان را تحت تاثیر قرار دهید.

بهترین شیوه‌های بخش: استانداردهای صنعت را برای طراحی سیستم‌های قوی ریسک اعتباری، از جمله جریان داده‌ها، بررسی‌های کیفیت خودکار و مکانیزم‌های گزارش‌دهی پیشرفته، درک کنید.

با پیوستن به ما، گامی در جهت ارتقای شغلی خود بردارید و مهارت‌های لازم برای برتری در مدل‌سازی ریسک اعتباری و تصمیم‌گیری را کسب کنید. همین حالا ثبت‌نام کنید و سفر خود را برای تبدیل شدن به یک متخصص ریسک اعتباری آغاز کنید!


سرفصل ها و درس ها

مقدمه Introduction

  • مروری بر دوره Course Overview

  • راه اندازی کامپیوتر Setting Up Your Computer

  • مروری بر مدل های ریسک اعتباری Overview of Credit Risk Models

  • کاربردها در صنعت Applications in the Industry

مطالب دوره Course Material

  • کدهای پایتون Python codes

  • اسناد Documents

مبانی امتیازدهی ریسک اعتباری Fundamentals of Credit Risk Scoring

  • مقدمه ای بر مدل های احتمال نکول (PD) Introduction to Probability of Default (PD) Models

  • ارائه یک مورد نمونه Example Case Presentation

  • کارت های امتیازی کاربردی در مقابل رفتاری Application vs Behavioral Scorecards

توضیحات مجموعه داده Dataset Description

  • اطلاعات مجموعه داده Dataset Information

  • بارگذاری داده ها در محیط پایتون Loading data to the Python environment

پیش پردازش داده Data Preprocessing

  • بررسی کیفیت داده Data Quality Checks

  • پاکسازی داده Data Cleaning

  • تحلیل اکتشافی داده Exploratory Data Analysis

  • تحلیل اکتشافی داده - بر اساس زمان Exploratory Data Analysis - Based on Time

  • بهترین شیوه های بخش Sector Best Practices

تبدیل داده Data Transformation

  • روش های تبدیل داده Data Transformation Methods

  • تبدیل داده در عمل Data Transformation in Practice

  • بهترین شیوه های بخش Sector Best Practices

تقسیم داده Data Splitting

  • روش های تقسیم داده Data Splitting Methods

  • تقسیم داده در عمل Data Splitting In Practice

روش های انتخاب ویژگی Feature Selection Methods

  • مروری و بهترین شیوه های بخش Overview and Sector Best Practices

  • حذف همبستگی Correlation Elimination

  • حذف همبستگی در عمل Correlation Elimination In Practice

  • ارزش اطلاعات Information Value

  • ارزش اطلاعات در عمل Information Value in Practice

  • جینی تک متغیره Univariate Gini

  • جینی تک متغیره در عمل Univariate Gini In Practice

مدل های احتمال نکول کلاسیک Classical Probability of Default Models

  • تحلیل بقا Survival Analysis

  • تحلیل بقا در عمل Survival Analysis In Practice

  • رگرسیون لجستیک Logistic Regression

  • رگرسیون لجستیک در عمل Logistic Regression In Practice

  • روش های توضیح پذیری مدل رگرسیون لجستیک Logistic Regression Model Explainability Methods

  • روش های توضیح پذیری مدل رگرسیون لجستیک در عمل Logistic Regression Model Explainability Methods In Practice

  • ضرایب مدل Model Coefficients

  • رگرسیون لجستیک - مدل حداکثر جینی Logistic Regression - Max Gini Model

  • رگرسیون لجستیک - پیش بینی های مدل حداکثر جینی Logistic Regression - Max Gini Model Predictions

  • اعتبارسنجی متقابل K Fold K Fold Cross Validation

  • اعتبارسنجی متقابل K Fold در عمل K Fold Cross Validation In Practice

  • بهترین شیوه های بخش Sector Best Practices

انتخاب ویژگی برای تکنیک های پیشرفته علم داده Feature Selection for Advanced Data Science Techniques

  • مروری بر اهمیت ویژگی های پیشرفته Advanced Feature Importance Overview

  • انتخاب ویژگی جنگل تصادفی Random Forest Feature Selection

  • انتخاب ویژگی مقادیر Shapley Shapley Values Feature Selection

  • انتخاب اهمیت ویژگی جایگشتی Permutation Feature Importance Selection

تکنیک های پیشرفته علم داده Advanced Data Science Techniques

  • مروری بر XGBoost XGBoost Overview

  • XGBoost XGBoost

  • ضرایب تقریبی برای XGBoost Approximate Coefficients for XGBoost

  • تنظیم پارامتر برای XGBoost Parameter Tuning for XGBoost

  • مروری بر شبکه های عصبی Neural Networks Overview

  • شبکه های عصبی Neural Networks

  • تنظیم پارامتر برای شبکه های عصبی Parameter Tuning for Neural Networks

  • تجمیع مدل Model Ensembling

  • تجمیع مدل در عمل Model Ensembling In Practice

  • بهترین شیوه های بخش Sector Best Practices

انتخاب مدل Model Selection

  • متدولوژی انتخاب مدل Model Selection Methodology

  • انتخاب مدل در عمل Model Selection In Practice

توسعه مقیاس رتبه بندی Rating Scale Development

  • مروری بر مقیاس رتبه بندی Rating Scale Overview

  • تولید مقیاس رتبه بندی Rating Scale Generation

  • تولید و مقیاس بندی امتیاز Score Generation and Scaling

  • بهترین شیوه های بخش Sector Best Practices

کالیبراسیون مدل Model Calibration

  • چرا کالیبراسیون مدل مورد نیاز است؟ Why Model Calibration Needed?

  • کالیبراسیون بیزی Bayesian Calibration

  • کالیبراسیون رگرسیون Regression Calibration

  • بهترین شیوه های بخش Sector Best Practices

ارزیابی و اعتبارسنجی مدل Model Evaluation and Validation

  • مبانی اعتبارسنجی مدل و بهترین شیوه های بخش Model Validation Basics and Sector Best Practices

  • معیارهای اعتبارسنجی برای مدل های امتیازدهی اعتباری Validation Metrics for Credit Scoring Models

  • AUC / ROC AUC / ROC

  • جینی سری زمانی Time Series Gini

  • آزمون کولموگروف-اسمیرنوف Kolmogorov-Smirnov Test

  • ماتریس درهم ریختگی Confusion Matrix

  • تست های پایداری - PSI و SSI Stability Tests - PSI & SSI

  • فاکتور تورم واریانس Variance Inflation Factor

  • شاخص هرفیندال-هیرشمن و شاخص هرفیندال-هیرشمن تعدیل شده Herfindahl-Hirshman Index and Adjusted Herfindahl-Hirshman Index

  • نقطه لنگر Anchor Point

  • آزمون خی دو Chi-Square Test

  • آزمون دوجمله ای Binomial Test

  • آزمون دوجمله ای تنظیم شده Adjusted Binomial Test

  • آستانه های اعتبارسنجی مدل Model Validation Thresholds

پیشرفت ها در صنعت Advancements in the Industry

  • مطالعه موردی 1 - شرکت تامین مالی مستقر در ایالات متحده Case Study 1 - U.S. based Financing Company

  • مطالعه موردی 2 - استارت آپ فین تک مستقر در بریتانیا Case Study 2 - UK based Fintech Startup

پروژه نهایی و آزمون Final Project and Test

  • پروژه نهایی با استفاده از داده های واقعی Final Project Using Real-World Data

  • آزمون نهایی Final Test

  • ارزیابی نهایی Final Assessment

نمایش نظرات

آموزش ارزیابی ریسک اعتباری و تصمیم گیری توسط متخصصان جهانی
جزییات دوره
6 hours
81
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
1,532
4.4 از 5
دارد
ندارد
ندارد
Ayhan Diş
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Ayhan Diş Ayhan Diş

مدرس یودمی