Ta kontakt

Kursplan

AI i kredittsrisiko: Grunnlag og muligheter

  • Tradisjonelle vs AI-drevne kredittsrisikomodeller
  • Utfordringer i kredittvurdering: bias, forklarbarhet og rettferdighet
  • Reelle casestudier innen AI for utlån

Data for kredittscoringmodeller

  • Kilder: transaksjons-, atferds- og alternativdata
  • Datarensing og feature engineering for utlånsbeslutninger
  • Håndtering av klasseubalanse og datamangel i risikoforutsigelser

Maskinlæring for kredittscoring

  • Logistisk regresjon, beslutningstrær og tilfeldige skoger
  • Gradient boosting (LightGBM, XGBoost) for scoringpresisjon
  • Modelltrening, validering og justeringsteknikker

AI-drevne utlånsflyter

  • Automatisering av debitorsegmentering og lânevurdering
  • AI-forbedret underwriting og godkjenningsprosesser
  • Dynamisk prissetting og optimalisering av renter ved hjelp av ML

Modelltolkbarhet og ansvarlig AI

  • Forklaring av prediksjoner med SHAP og LIME
  • Rettferdighet i kredittmodeller: deteksjon og mitigerering av bias
  • Samsvar med regulatoriske rammeverk (f.eks. ECOA, GDPR)

Generativ AI i utlånscontexter

  • Bruk av LLMs for søknadsgranskning og dokumentanalyse
  • Prompt engineering for debitor kommunikasjon og innsikter
  • Generering av syntetisk data for modelltesting

Strategi og styring for AI i kreditt

  • Bygging av interne AI-kompetanser vs eksterne løsninger
  • Livssyklusstyring av modeller og beste praksis innen styring
  • Fremtidstrender: reellidskredittscoring, integrasjon med open banking

Oppsummering og neste steg

Krav

  • Kjenntilnøyelse med grunnleggende begreper om kredittsrisiko
  • Erfaring med datagranalyse eller business intelligence-verktøy
  • Kjennskap til Python eller vilje til å lære grunnleggende syntaks

Målgruppe

  • Utlånsansvarlige
  • Kredittanalytikere
  • Fintech-innovatører
 14 Timer

Antall deltakere


Pris per deltaker

Referanser (1)

Kommende kurs

Relaterte kategorier