发布时间: 2020-05-21
发货 百度网盘 自动发货 时间 2019年 类型 会员打折
¥19.00
5.0分/32人
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
2021-04-24 13:13:03明见**
未评价,系统默认好评!
2021-02-01 13:37:39Me**
未评价,系统默认好评!
2021-01-25 21:00:07z**
未评价,系统默认好评!
2020-12-19 21:01:38che***
未评价,系统默认好评!
2020-12-08 12:39:33mount******
未评价,系统默认好评!
2020-09-27 11:37:47niche*****
未评价,系统默认好评!
2020-08-20 23:41:53小*
未评价,系统默认好评!
2020-08-13 18:43:2328671250********
未评价,系统默认好评!