[重磅] AI大会培训课程: 量化互联网金融信用与反欺诈风控

  • 日期:09-13
  • 点击:(1183)


O'Reilly AI大会将于6月18日至21日在北京举行。 AI活动将由O'Reilly和Intel AI联合举办。会议将通过培训,教程和主题演讲讨论和分享劳动力。智能研究的发展及其在工商业中的实际应用。

6.18-6.19重训练课程:量化互联网金融信贷和反欺诈风险控制。负责培训的三位导师是清华兼职教授。目前,他是美国Acorns的首席数据科学家,Ge博士,Hui Anjinke博士(北京)科技有限公司创始人兼首席执行官,清华大学跨学科信息研究所兼职教授,黄凌和对齐技术首席科学家陈伟博士。

您想了解金融公司如何使用大数据和人工智能对个人行为进行成像并检测欺诈用户吗?互联网金融背后的定量分析过程是什么?如何通过大数据量化个人信用?在此过程中,机器学习算法应用的关注领域是什么?如何通过图形分析整合多维数据,以区分普通用户和欺诈用户?本教程以清华大学跨学科信息研究所为基础。定量金融信贷和风险控制分析研究生课程。它将使用LendingClub的真实贷款数据作为案例来解释某些特定模型的实施。

1)了解数据科学在互联网金融领域的个人信用评估中的价值

2)了解个人信用领域中真实的数据科学过程和考虑因素

3)了解信贷模型构建中多重挑战的解决方案

需要了解金融行业知识的人工智能/机器学习人才;

需要了解人工智能/机器学习知识的金融业人才;

需要管理量化金融风险控制和人工智能/机器学习人才的领先数据

为期2天的培训

第一天(早上):

金融信贷行业概况

什么是信用?

信贷业的概况

信贷风险

金融产品设计

数据特征和评估标准

中美信用评分状况

信息来源:身份识别+还款能力/意愿,个人设备信息,个人在线/离线行为信息

风控条款和评估标准

数据源获取挑战

数据收集和特征提取

选择数据源

o信用财务属性强度,数据生成频率,响应还款能力/意愿

挖掘特征

o挖掘特征,评估有效性/稳定性

o功能组合,

o移民学习,主动学习和表征学习

第一天(下午):

数据收集和特征提取

知识地图的应用

o实体和关系的定义

o图数据库的技术实现

o使用Cypher进行图形挖掘

o社区挖掘算法案例

设备指纹

信用和欺诈标签

·标记获得它的挑战

o成本高、周期长、定义多样

·信用加价

o早期产品模型、成熟产品模型

·欺诈加价

o五层欺诈标签

信用和欺诈模型的构建

·增量学习

o静态窗口法

o更新方法

o忘记了真正的方法

数据非平衡处理

o随机过采样和欠采样

o知情抽样不足

o带数据生成的合成采样

o自适应合成采样

o用数据清洗技术取样

·模式策略

o线性回归

O GBT

合奏

次日(上午):

黑色产业链

·黑产业链列表

安全与用户体验之间的权衡

相应的策略

用户模型,分类和欺诈检测

用户模型特征工程

大数据用户分析

主动机器学习应用程序

图算法与声誉通信

图算法在欺诈性账户检测中的应用

基于图结构的随机游走

基于图形机构的基于声誉的沟通

第二天(下午):

行业案例

深度学习的应用

商业决策和评估

结果评估

o混淆矩阵

o排序评估方法

o ROC曲线

o PR曲线

模型分数对齐

确定利率和配额

盈利能力评估

实践练习

计算KS,IV

评估特征稳定性

建模: GBR +堆叠

报名截止日期为6月17日

http://www.sugys.com/bdswvtYFO.html