연락처 정보

코스 개요

신용 리스크 관리에서의 AI: 기초 개념과 활용 가능성

  • 전통적인 신용 리스크 모델과 AI 기반 모델의 비교
  • 신용 평가 시 발생하는 문제점: 편향, 설명 가능성 및 공정성
  • 대출 분야에서의 실제 AI 적용 사례

신용 스코어링 모델을 위한 데이터 활용법

  • 거래 정보, 행동 패턴 및 대안적 데이터의 활용 방법
  • 대출 결정에 필요한 데이터 정제 및 특징 추출 기법
  • 리스크 예측 시 클래스 불균형 및 데이터 부족 문제 해결 방안

신용 스코어링을 위한 머신러닝 기법

  • 로지스틱 회귀, 의사결정 나무 및 랜덤 포레스트 활용법
  • 스코어링 정확도 향상을 위한 그래디언트 부스팅 기법(LightGBM, XGBoost)
  • 모델 훈련, 검증 및 튜닝 방법

AI로 혁신되는 대출 업무 프로세스

  • 신청자 그룹 분류 및 대출 리스크 평가의 자동화 방안
  • AI를 활용한 심사 및 승인 절차 고도화 방법
  • 머신러닝을 이용한 동적 가격 책정 및 이자율 최적화 기법

모델 해석 가능성과 책임감 있는 AI 활용

  • SHAP와 LIME을 활용한 예측 결과 설명 방법
  • 신용 모델에서의 공정성 유지: 편향 탐지 및 감소 방안
  • ECOA, GDPR 등 관련 규제 준수 전략

대출 분야에서의 생성형 AI 활용 가능성

  • LLM을 활용한 신청서 검토 및 문서 분석 방법
  • 고객 소통 및 인사이트 도출을 위한 프롬프트 엔지니어링 기법
  • 모델 테스트를 위한 합성 데이터 생성 전략

신용 분야에서의 AI 전략 및 거버넌스 구축

  • 내부 AI 역량 강화와 외부 솔루션 활용 간의 균형 방안
  • 모델 생명주기 관리 및 거버넌스 수립을 위한 최선의 관행
  • 향후 전망: 실시간 신용 스코어링과 오픈 뱅킹 통합 동향

요약 및 향후 나아가야 할 방향

요건

  • 신용 리스크 관련 기본 개념에 대한 이해
  • 데이터 분석 또는 비즈니스 인텔리전스 툴 활용 경험
  • Python에 대한 기초 지식 또는 문법 학습 의지

대상 참가자

  • 대출 관리 담당자
  • 신용 분석 전문가
  • 핀테크 분야 혁신가
 14 시간

참가자 수


참가자별 가격

회원 평가 (1)

예정된 코스

관련 카테고리