Kursplan
AI i kredittsrisiko: grunnleggende prinsipper og muligheter
- Tradisjonelle vs. AI-drevne kredittsrisikomodeller
- Utfordringer i kredittvurdering: bias, forklarbarhet og rettferdighet
- Praktiske eksempler på AI i lånevirksomhet
Data for kredittskoringmodeller
- Kilder: transaksjonsdata, adferdsdata og alternative data
- Rensing av data og feature engineering for lånebeslutninger
- Håndtering av klassetap og datamangel i risikoforespåing
Machine Learning for kredittskoring
- Logistisk regresjon, beslutningstrær og random forests
- Gradient boosting (LightGBM, XGBoost) for skoringens nøyaktighet
- Teknikker for modelltrening, validering og tuning
AI-drevne låneprosesser
- Automatisering av låntakergruppering og vurdering av lånerisiko
- AI-forbedrede underwritings- og godkjenningsprosesser
- Dynamisk prissetting og optimalisering av rentesatser ved bruk av ML
Modellforklarbarhet og ansvarlig AI
- Forklaring av prediksjoner med SHAP og LIME
- Rettferdighet i kredittmodeller: biasdeteksjon og -redusering
- Overholdelse av reguleringsrammeverk (e.g. ECOA, GDPR)
Generative AI i lånescenarier
- Bruk av LLMs for søknadsgransking og dokumentanalyse
- Prompt engineering for kommunikasjon med låntakere og innsikt
- Generering av syntetiske data for modelltesting
Strategi og Gostyring for AI i kreditt
- Bygging av interne AI-kompetanser vs eksterne løsninger
- Bedre praksis for modelllivssyklus og styring
- Fremtidige trender: realtids-kredittskoring, integrering med åpen bank
Oppsummering og neste skritt
Krav
- Forståelse av grunnleggende kreditrisikoforutsetninger
- Erfaring med dataanalyseverktøy eller business intelligence-verktøy
- Kjennskap til Python eller vilje til å lære grunnleggende syntaks
Målgruppe
- Låneansvarlige
- Kreditanalytikere
- Fintech-innovatorer
Referanser (1)
Jeg verdsette at treneren presenterte alt på en svært god måte. Jeg forsto alt, selv om Finance ikke er mitt fagfelt, sørget han for at alle deltakerne var på samme side, samtidig som han fulgte tidsrammen. Øvelsene var plassert i gode intervaller. Communication med deltakerne var alltid der. Materialet var perfekt, ikke for mye og ikke for lite. Han forklarte veldig godt litt mer kompliserte emner slik at alle kunne forstå det.
Diana
Kurs - ChatGPT for Finance
Machine Translated