Kursplan

AI i kreditrisk: Grundläggande principer och möjligheter

  • Traditionella vs AI-drivna kreditriskmodeller
  • Utmaningar i kreditbedömning: bias, förklarbarhet och rättvisa
  • Praktiska fallstudier i AI för lån

Data för kreditscoremodeller

  • Källor: transaktionsdata, beteendedata och alternativa data
  • Datarening och egenskapsutveckling för lånbeslut
  • Hantering av klassobalans och databrist i riskprediktion

Machine Learning för kreditscoring

  • Logistisk regression, beslutsträd och slumpmässiga skogar
  • Gradient boosting (LightGBM, XGBoost) för scoreprecision
  • Modellträning, validering och inställningstekniker

AI-drivna låneflöden

  • Automatisering av låntagarsegmentering och låneriskbedömning
  • AI-förstärkt undertecknande och godkännandeprocesser
  • Dynamisk prissättning och räntaoptimering med hjälp av ML

Modellförklarbarhet och ansvarsfull AI

  • Förklaring av förutsägelser med SHAP och LIME
  • Rättvisa i kreditmodeller: biasdetektering och åtgärd
  • Efterlevnad av regelverk (t.ex. ECOA, GDPR)

Generative AI i lånescenarier

  • Användning av LLMs för ansökningsgranskning och dokumentanalys
  • Prompt-engineering för låntagarkommunikation och insikter
  • Syntetisk datagenerering för modelltestning

Strategi och Goförvaltning för AI i kredit

  • Byggande av interna AI-förmågor vs externa lösningar
  • Modellcykelhantering och bästa praxis för förvaltning
  • Framtida trender: realtids-kreditscoring, integrering med öppet bankväsen

Sammanfattning och nästa steg

Krav

  • Förståelse för grunderna i kreditrisk
  • Erfarenhet av dataanalys eller affärsintelligensverktyg
  • Kännedom om Python eller villighet att lära sig grundläggande syntax

Målgrupp

  • Lånechefer
  • Kreditanalytiker
  • Fintech innovatörer
 14 timmar

Antal deltagare


Pris per deltagare

Vittnesmål (1)

Kommande Kurser

Relaterade Kategorier