Course Outline

인공지능 기반 신용위험: 기초와 기회

  • 전통적인 신용위험 모델 vs AI 기반 신용위험 모델
  • 신용평가에서 직면하는 도전 과제: 편향, 설명 가능성, 공정성
  • 대출에 대한 AI의 실제 사례 연구

신용점수 모델을 위한 데이터

  • 데이터 출처: 거래 데이터, 행동 데이터 및 대체 데이터
  • 대출 결정을 위한 데이터 정제 및 특징 공학
  • 위험 예측에서 클래스 불균형 및 데이터 부족 처리

신용점수에 대한 Machine Learning

  • 로지스틱 회귀, 의사결정 나무, 랜덤 포레스트
  • 점수 정확성을 위한 그래디언트 부스팅 (LightGBM, XGBoost)
  • 모델 학습, 검증 및 조정 기법

AI 기반 대출 워크플로우

  • 차입자 세분화 및 대출 위험 평가 자동화
  • AI 강화 심사 및 승인 프로세스
  • ML을 이용한 동적 가격 및 이자율 최적화

모델 설명 가능성과 책임 있는 AI

  • SHAP와 LIME를 사용하여 예측 설명
  • 신용 모델의 공정성: 편향 탐지 및 완화
  • 규제 프레임워크 준수 ([예시] ECOA, GDPR)

대출 시나리오에서의 Generative AI

  • 신청서 검토 및 문서 분석을 위한 LLMs 사용
  • 차입자 소통 및 통찰을 위한 프로프트 엔지니어링
  • 모델 테스트를 위한 합성 데이터 생성

신용의 AI 전략 및 Go 관리

  • 내부 AI 능력 구축 vs 외부 솔루션
  • 모델 라이프사이클 관리 및 관리 최선 모범 사례
  • 미래 동향: 실시간 신용점수, 오픈 뱅킹 통합

요약 및 다음 단계

Requirements

  • 신용 위험의 기본 개념 이해
  • 데이터 분석 또는 비즈니스 인텔리전스 도구 사용 경험
  • Python에 대한 이해 또는 기본 문법 학습 의지

대상

  • 대출 관리자
  • 신용 분석가
  • Fintech 혁신가
 14 Hours

Number of participants


Price per participant

회원 평가 (1)

Upcoming Courses

Related Categories