لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش جامع ساخت کارت امتیاز ریسک اعتباری (Credit Risk Scorecard) با پایتون
- آخرین آپدیت
دانلود Developing Credit Risk Scorecard using Python
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
مدلسازی کارت امتیاز ریسک اعتباری: راهنمای گامبهگام ساخت و اعتبارسنجی مدلهای ریسک با استفاده از پایتون
در این دوره، مبانی مدلسازی ریسک اعتباری و توسعه کارت امتیاز (Scorecard) را بهطور کامل درک خواهید کرد.
استفاده از کتابخانههای پیشرفته پایتون (مانند Pandas، Scikit-learn، NumPy و Matplotlib) برای مدیریت دادهها، ساخت مدل و بصریسازی را میآموزید.
توسعه کارتهای امتیاز ریسک اعتباری را با استفاده از تکنیکهای کاربردی و واقعی پیادهسازی میکنید.
آموزش عمیق آمادهسازی دادهها (Data Preparation).
یادگیری گامبهگام جریان فرآیند توسعه، اعتبارسنجی و کالیبراسیون مدل از صفر.
پیادهسازی متدهای ضروری مدلسازی مانند رگرسیون لجستیک برای پیشبینی احتمال نکول (Default Probability).
پیشپردازش، پاکسازی و تحلیل دادههای اعتباری برای ایجاد مدلهای پیشبینی قدرتمند.
اعتبارسنجی و ارزیابی عملکرد مدلها با استفاده از معیارهای استاندارد صنعت.
پیشنیازها:
اشتیاق و علاقه به یادگیری مهارتهای جدید
سیستم کامپیوتری با دسترسی به اینترنت
نصب پایتون (ترجیحاً همراه با کتابخانههای Pandas، NumPy و Scikit-learn)
آشنایی اولیه با مفاهیم ریسک اعتباری (مانند احتمال نکول و کارتهای امتیاز اعتباری)
آشنایی با برنامهنویسی پایتون (دانش پایه در مورد سینتکس، متغیرها و ساختارهای داده)
نصب Jupyter Notebook بر روی سیستم
این دوره جامع طراحی شده است تا شرکتکنندگان را با مهارتهای عملی در ساخت و اعتبارسنجی مدلهای ریسک اعتباری با استفاده از پایتون، با تمرکز بر توسعه و اجرای کارتهای امتیاز تجهیز کند. این دوره ترکیبی از تئوری و کاربردهای عملی برای توسعه، اعتبارسنجی و کالیبراسیون کارتهای امتیاز ریسک اعتباری است.
در این دوره، مفاهیم بنیادی ریسک اعتباری، متدولوژیهای گامبهگام برای توسعه کارتهای امتیاز رفتاری با پایتون و پیادهسازی تکنیکهای آماری ضروری برای امتیازدهی اعتباری شامل رگرسیون لجستیک، ضریب جینی (Gini)، تحلیل ROC، رتبهبندی (Rank Ordering)، وزن شواهد (WOE) و دستهبندیهای Fine و Coarse را خواهید آموخت.
همچنین مهارتهای مدیریت و تحلیل دادهها، برخورد با دادههای گمشده (Missing Data)، دادههای پرت (Outliers) و تبدیل متغیرها برای آمادهسازی دادهها جهت مدلسازی را کسب میکنید. علاوه بر این، با تکنیکهای مختلف اعتبارسنجی داخلی کارتهای امتیاز، از جمله Back-testing، بنچمارک و کالیبراسیون آشنا میشوید.
در طول دوره، یاد میگیرید که چگونه از کتابخانههای قدرتمند پایتون مانند Pandas، Scikit-learn، NumPy و Matplotlib برای مدلسازی ریسک اعتباری بهره ببرید. این ابزارها به شما کمک میکنند تا استحکام، دقت و کارایی را در توسعه و اعتبارسنجی کارتهای امتیاز ریسک اعتباری تضمین کنید.
این دوره برای تحلیلگران اعتباری، مدیران ریسک، کنترلرهای مالی و تمامی متخصصان حوزه مالی که در ارزیابی ریسک فعالیت میکنند و قصد دارند مهارتهای مدلسازی خود را با پایتون ارتقا دهند، ایدهآل است.
سرفصل ها و درس ها
مقدمه
Introduction
مقدمه
Introduction
ساختار طراحی مدل
Model Design Structure
پارامترهای طراحی مدل
Model Design Parameters
موارد استثنا (Exclusions)
Exclusions
متغیرهای مجموعه داده
Dataset Variables
عوامل پارامترهای طراحی مدل
Factors of Model Design Parameters
درک کسبوکار و تعریف مسئله
Business Understanding and Problem Statement
نمایش نظرات