七月算法 2019年金融风控实战高清视频课程 12课 （课件资料代码齐全）

课程介绍：

逐渐兴起的互联网金融热潮，极大的改变了人们的生活方式。在线支付、P2P理财、消费分期已经走入我们的生活。而金融的核心就是风控。

你是否好奇你的芝麻信用分是如何计算的？你是否期待过有一天能自己设计、优化模型？

本次课程将首次全面公开一线平台金融风控核心技术，覆盖风控全流程，从一线公司的业务出发。主要包括以下内容：

1.五大思路：特征构造、特征选择、算法选择、损失函数构造、业务分析。

2.四大风控算法：监督学习、无监督学习、弱监督学习、复杂网络算法。

3.套完整的风控流程：数据抓取、反欺诈、风控策略、风控模型、催收。

通过这门课程，不仅可以一窥神秘的金融风控领域的全貌、接触来自Exprian、Dis，cover、蚂蚁金服等巨头公司的顶级风控技术，更可以从最新颖、最前沿的项目中，学习如何针对实际业务定制算法、选择模型。

授课版本：

基于python3讲解

应用场景：

覆盖银行、现金贷、消费金融、P2P等多个金融领域。

学习成果：

1.全面了解信贷风控领域的算法与业务掌握百万量级变量衍生能完整、规范地搭建金融风控模型。

2.掌握百万量级变量衍生变量筛选方法。

3.开启为业务定制模型的思路踏入算法工程师的高精领域。

4.积累大量一线业务经验成为瑞士军刀般的风控人才。

需要基础：

会Python和基本的统计学知识即可，适合想找金融风控相关工作、以及对金融风控感兴趣的同学。

课程特色：

1.内容全面

覆盖数据抓取、反欺诈、策略、信贷模型、催收整个风控体系，全面解析信贷领域的数据分析方法与算法应用。

2.项目新颖

项目实例均是金融风控领域中最新颖、最前沿的算法和项目。

3.业务出发

通过对实际企业项目难点的思考，引出相应的解决方案。

4.应用实战

从策略分析，到机器学习模型，每次课都推出实例应用，注重深入浅出、真枪实战。

十二大案例项目：

1.金融风控业务大起底

2.利用数据挖掘制定风控策略

3.通过时间序列构造百万数量级的风控领域特征

4.从海量特征中逐层筛选关键特征

5.构建传统银行风控评分卡

6.利用集成算法构建风控模型

7.用无监督与迁移学习解决项目的冷启动问题

8.利用融合算法解决金融领域的长尾数据问题

9.利用弱监督方法解决样本不均衡问题

10.利用深度学习方法破冰金融领域反欺诈

11.利用社交网络分析实现反欺诈与风险控制

12.模型融合构建企业风控框架

课程目录：

第一课 金融风控与反欺诈业务详解

知识点1： 各风控环节、方法及其意义
知识点2： 外部第三方数据概览
实战项目： 反欺诈变量头脑风暴

第二课 风控数据挖掘方法

知识点1： ID3、C4.5、CART 决策树算法详解
实战项目： 1.单变量数据分析与数据可视化
实战项目： 2.利用决策树算法做风控规则挖掘
第二阶段 机器学习的核心：特征工程

第三课 特征工程（上）

知识点1： 数据预处理与可视化
知识点2： 数值、文本、时间型变量处理
知识点3： 特征筛选
实战项目： sklearn特征工程实战

第四课 特征工程（下）

知识点1： 基于时间序列的变量衍生方法
知识点2： 结合业务的变量筛选方法
知识点3： 特征处理（binning、woe、极值优化等）
实战项目： 各种方法的python实现

第五课 逻辑回归评分卡

知识点1： 逻辑回归原理详解
知识点2： 参数详解与调参优化
知识点3： 评分映射与模型评价
实战项目： 构建传统银行风控评分卡

第六课 集成算法

知识点1： 从DT到RandomForest
知识点2： XGBoost、LightGBM、Catboost算法解析
知识点3： 模型的参数与调优
实战项目： 利用集成算法构建风控模型
第四阶段 模型优化

第七课 不均衡学习

知识点1： 金融风控场景的样本不均衡
知识点2： 下探、标签分裂、拒绝演绎、采样
实战项目： 利用弱监督方法解决样本不均衡问题

第八课 模型融合

知识点1： 前融合、后融合
知识点2： Stacking和Blending
实战项目： 利用融合算法解决金融领域的长尾数据问题

第九课 迁移学习

知识点1： 冷启动项目
知识点2： 常见迁移学习模型解析
实战项目： 用迁移学习优化项目的冷启动问题

第十课 深度学习与金融风控

知识点1： 深度学习基础
知识点2： 深度学习在风控领域的应用解析
实战项目： 利用深度学习破冰金融反欺诈

第十一课 异常检测实战

知识点1： 常用异常检测算法解析
实战项目： 1.异常检测方法实战项目冷启动
实战项目： 2.异常检测方法实战金融反欺诈

第十二课 社交网络分析与金融反欺诈

知识点1： networkx简介
知识点2： 社区发现、不一致性检验
知识点3： 静态/动态分析、染色、关联特征提取
实战项目： 利用社交网络分析实现反欺诈与风险控制

课程截图：

备注：（04）20191015 数据分析