Машинное обучение для скоринговых моделей
Создайте работающие модели кредитного скоринга. Научитесь оценивать платёжеспособность клиентов с помощью алгоритмов машинного обучения.
Программа строится вокруг практических задач из финансовой отрасли. Изучите методы подготовки данных, выбора признаков и калибровки моделей под бизнес-требования.
Работайте с реальными датасетами. Освойте логистическую регрессию, деревья решений и градиентный бустинг применительно к задачам скоринга.
Структура программы обучения
Программа разделена на 6 модулей. Каждый модуль включает теоретические основы, примеры кода и практические задания на реальных данных.
Основы кредитного скоринга
Изучите структуру задачи бинарной классификации. Поймёте метрики качества: precision, recall, ROC-AUC и их интерпретацию в финансовом контексте.
Подготовка данных
Обработка пропусков, выбросов и дисбаланса классов. Построение признаков на основе транзакционной истории и демографических данных.
Логистическая регрессия
Линейные модели как фундамент скоринга. Интерпретация коэффициентов, подбор порога отсечения и калибровка вероятностей.
Деревья решений и случайный лес
Работа с нелинейными зависимостями. Управление глубиной деревьев, важность признаков и оценка устойчивости модели.
Градиентный бустинг
XGBoost и LightGBM для скоринговых задач. Настройка гиперпараметров, регуляризация и борьба с переобучением на малых выборках.
Развёртывание и мониторинг
Интеграция модели в бизнес-процессы. Отслеживание деградации качества, A/B тестирование и обновление модели по новым данным.
Видеолекции
Смотрите записи лекций в удобное время. Каждая лекция длится 18–32 минуты и содержит код с пояснениями.
Практические задания
Решайте задачи на датасетах из банковской сферы. Получайте автоматическую проверку и рекомендации по улучшению кода.
Еженедельные вебинары
Обсуждайте сложные темы с преподавателем. Задавайте вопросы по заданиям и разбирайте типичные ошибки.
Длительность обучения: 11 недель
Занимайтесь по 6–8 часов в неделю. Программа включает теорию, практику и обратную связь от экспертов. По окончании вы создадите собственную скоринговую модель на реальных данных.
Ведущий эксперт
Искандер Джумагулов
Работал в кредитном подразделении трёх банков. Построил скоринговые системы для розничного и малого бизнеса, охватывающие портфель более 27 млрд тенге.
Специализируется на градиентном бустинге и калибровке моделей под бизнес-ограничения. Автор статей по интерпретируемости скоринга в финансовой индустрии.
Преподаёт методы машинного обучения для финансовых задач с акцентом на практическое применение и понимание метрик.
Тимур Бекенов
Куратор. Отвечает на вопросы по практическим заданиям.
Олжас Нурпеисов
Куратор. Проверяет код и даёт рекомендации.
Айгерим Сарсенова
Куратор. Консультирует по интерпретации метрик.
Результаты обучения
Построение скоринговых моделей
Научитесь создавать модели логистической регрессии, случайного леса и градиентного бустинга для оценки кредитоспособности клиентов. Освоите подбор гиперпараметров и калибровку вероятностей.
Работа с дисбалансом классов
Изучите методы передискретизации, взвешивания и SMOTE для работы с несбалансированными данными. Поймёте, как выбирать стратегию в зависимости от бизнес-задачи.
Оценка качества моделей
Научитесь интерпретировать ROC-AUC, precision-recall кривые и confusion matrix в контексте финансовых рисков. Сможете обосновывать выбор порога отсечения.
Интеграция в бизнес-процессы
Освоите экспорт моделей в production-форматы, настройку мониторинга качества и стратегию обновления модели при изменении данных.