Merci d'avoir envoyé votre demande ! Un membre de notre équipe vous contactera sous peu.
Merci d'avoir envoyé votre réservation ! Un membre de notre équipe vous contactera sous peu.
Plan du cours
L'IA dans le risque de crédit : Fondements et possibilités
- Modèles de risque de crédit traditionnels vs propulsés par l'IA
- Défis de l'évaluation du crédit : biais, explicabilité et équité
- Études de cas réelles de l'IA dans le domaine des prêts
Données pour les modèles de notation de crédit
- Sources : données transactionnelles, comportementales et alternatives
- Nettoyage des données et ingénierie des caractéristiques pour les décisions de prêt
- Gérer le déséquilibre des classes et la rareté des données dans la prédiction des risques
Apprentissage automatique pour la notation de crédit
- Régression logistique, arbres de décision et forêts aléatoires
- Boosting de gradient (LightGBM, XGBoost) pour la précision de la notation
- Techniques d'entraînement, de validation et d'ajustement des modèles
Flux de travail de prêt propulsés par l'IA
- Automatisation de la segmentation des emprunteurs et de l'évaluation du risque des prêts
- Processus de crédit et d'approbation améliorés par l'IA
- Tarification dynamique et optimisation des taux d'intérêt à l'aide de l'apprentissage automatique
Interprétabilité des modèles et IA responsable
- Explication des prédictions avec SHAP et LIME
- Équité dans les modèles de crédit : détection et atténuation des biais
- Conformité aux cadres réglementaires (p. ex. ECOA, RGPD)
IA générative dans les scénarios de prêt
- Utilisation des GML pour la révision des demandes et l'analyse des documents
- Ingénierie de l'invite pour la communication avec les emprunteurs et l'obtention d'insights
- Génération de données synthétiques pour le test des modèles
Stratégie et gouvernance de l'IA dans le crédit
- Construction de capacités d'IA internes vs solutions externes
- Gestion du cycle de vie des modèles et meilleures pratiques de gouvernance
- Tendances futures : notation de crédit en temps réel, intégration de la banque ouverte
Résumé et prochaines étapes
Pré requis
- Compréhension des principes fondamentaux du risque de crédit
- Expérience en analyse de données ou en outils de renseignements décisionnels
- Connaissance de Python ou volonté d'apprendre la syntaxe de base
Public cible
- Gestionnaires de prêts
- Analystes de crédit
- Innovateurs du secteur des technologies financières (fintech)
14 Heures
Nos clients témoignent (1)
J'ai déjà quelques rapports dont je me souviens, et j'utiliserai certains des invites examinées aujourd'hui.
Kelly Cotham
Formation - Copilot for Finance and Accounting Professionals
Traduction automatique
