如何搭建金融信贷风控中的机器学习模型价值799元

本套课程来自如何搭建金融信贷风控中的机器学习模型，官方售价799元。本套课程文件总计1.7G，附课程相关资料，文章底部附下载链接。

课程介绍：

风控是金融业务的核心组成部分，而信贷风控又是整个风控领域体量最大、挑战最大的类型。传统的信贷风控主要靠资深从业人员依靠自

身的经验设置的专家规则。随着统计学、大数据、机器学习的发展，现代信用风控越来越偏向量化模型的手段来得以解决风控问题。

本课程使用真实场景下的信贷违约数据，从基础的数据分析开始，-步步构建依赖逻辑回归、XGBoost、 神经网络模型等方法的风控模

型。同时,本课程也会展示信贷风控领域中经常面临的挑战和相应的解决方法。从第三节课开始，每节课都会在真实数据的基础上完成本

章节的模块设计。

老师介绍：

安迪生：硕士毕业于世界一流名校的统计学专业，具有外资银行总部6年风控量化模型开发经验，现任国内知名互联网金融公司风控部高级数据分析师，对于信贷风控领域的模型开发、部署与使用有丰富的经历，对机器学习模型、深度学习模型在风控业的应用有较深入的研究。

适用人群

python技术控，统计学、大数据、机器学习爱好者

课程文件目录：

——/C-868：如何搭建金融信贷风控中的机器学习模型/

├──课件资料

| ├──第八章

| | ├──XGBoost.py 18.92kb

| | └──机器学习模型在信贷风控中的应用之XGBoost模型.pdf 3.37M

| ├──第九章

| | ├──ensemble.py 7.81kb

| | └──组合模型在信贷风控中的应用.pdf 2.68M

| ├──第六章

| | ├──scorecard model development.py 26.11kb

| | ├──scorecard_functions_V3.py 26.51kb

| | └──模型的验证、监控与调优 .pptx 3.62M

| ├──第七章

| | ├──DNN.py 17.71kb

| | └──机器学习模型在信贷风控中的应用之DNN模型.pptx 4.31M

| ├──第三章

| | ├──PPD_LogInfo_3_1_Training_Set.csv 18.08M

| | ├──PPD_Training_Master_GBK_3_1_Training_Set.csv 19.38M

| | ├──PPD_Userupdate_Info_3_1_Training_Set.csv 14.61M

| | ├──scorecard model development.py 12.68kb

| | └──评分卡模型：数据的预处理与特征构建.pdf 1.26M

| ├──第十二章

| | ├──imbalance.py 4.14kb

| | ├──带权重的CART模型.docx 18.01kb

| | └──评分卡模型中的前沿问题二：非平衡样本的处理.pdf 1003.89kb

| ├──第十一章

| | ├──application_train.csv 158.44M

| | ├──semi-supervised.py 6.51kb

| | └──风控模型中的前沿问题一：标签缺失的处理.pdf 2.75M

| ├──第十章

| | ├──behavioural data.csv 17.22M

| | ├──BSc Developement.py 15.25kb

| | ├──scorecard_functions_V3.py 26.46kb

| | └──评分卡模型（B卡）的开发.pdf 1.60M

| ├──第四章

| | ├──scorecard model development.py 23.55kb

| | ├──scorecard_functions_V3.py 25.38kb

| | └──评分卡模型（A卡）：数据的预处理与特征构建（续）.pptx 5.25M

| ├──第五章

| | ├──scorecard model development.py 25.97kb

| | ├──scorecard_functions_V3.py 25.43kb

| | └──逻辑回归模型在评分卡模型中的应用.pptx 5.39M

| ├──1.数据分析与建模的基础知识.pdf 1.31M

| └──互联网金融和信贷风控的概述.pdf 1.75M

├──01.数据分析的基本概念.mp4 74.05M

├──02.数据可视化.mp4 43.06M

├──03.数据分析的常用模型.mp4 41.79M

├──04.数据分析的常用工具.mp4 6.69M

├──05.互联网金融简介和特点.mp4 38.66M

├──06.互联网金融的主要模式.mp4 31.13M

├──07.常见的个人信贷产品.mp4 43.32M

├──08.个贷产品中的风险（上）.mp4 37.35M

├──09.个贷产品中的风险（下）.mp4 29.55M

├──10.评分卡模型简介.mp4 35.53M

├──11.特征构造.mp4 37.18M

├──12.数据的质量检验.mp4 53.81M

├──13.代码实现.mp4 53.06M

├──14.特征的分箱.mp4 86.50M

├──15.特征信息值与数值编码、单变量分析 、多变量分析.mp4 64.62M

├──16.概念补充说明.mp4 38.65M

├──17.代码实现.mp4 199.75M

├──18.逻辑回归模型的基本概念.mp4 90.71M

├──19.基于LR模型的评分卡构建工作.mp4 30.17M

├──20.尺度化2.mp4 14.90M

├──21.模型的区分度与预测性.mp4 51.62M

├──22.模型的平稳性、模型调优以及代码讲解.mp4 52.66M

├──23.神经网络模型的概述、激活函数与损失函数.mp4 48.02M

├──24.反向传播法.mp4 37.63M

├──25.实际案例.mp4 22.03M

├──26.代码讲解.mp4 16.10M

├──27.Gradient Boosting的概念.mp4 14.97M

├──28.GBDT模型简介.mp4 40.24M

├──29.GBDT的升级版：XGBoost.mp4 41.16M

├──30.XGBoost模型在信贷风控中的应用.mp4 37.84M

├──31.元模型与集成模型.mp4 29.31M

├──32.Bagging.mp4 18.15M

├──33.Boosting.mp4 23.54M

├──34.Stacking.mp4 26.67M

├──35.案例及代码 (2).mp4 48.31M

├──36.基本概念.mp4 30.90M

├──37.特征构造.mp4 32.83M

├──38.模型开发.mp4 94.25M

├──39.标签缺失的定义.mp4 19.11M

├──40.补全标签的方法（上）.mp4 25.64M

├──41.补全标签的方法（下）.mp4 32.19M

├──42.案例与代码.mp4 44.57M

├──43.过采样与欠采样.mp4 23.60M

├──44.SMOTE.mp4 33.51M

└──45.样本权重法与案例.mp4 23.31M