مدلسازی ریسک اعتباری در R
✅ سرفصل و جزئیات آموزش
این دوره عملی با استفاده از دادههای اعتباری واقعی، چگونگی مدلسازی ریسک اعتباری را با استفاده از رگرسیون لجستیک و درختهای تصمیم گیری در R آموزش میدهد. مدلسازی ریسک اعتباری هم برای وامهای شخصی و هم برای وامهای شرکتی، برای بانکها از اهمیت بالایی برخوردار است. احتمال نکول بدهکار، مؤلفهای کلیدی در دستیابی به معیاری برای سنجش ریسک اعتباری محسوب میشود.
اگرچه مدلهای دیگری نیز در این دوره معرفی خواهند شد، اما فراگیران با 2 نوع مدل که اغلب در زمینه امتیازدهی اعتباری استفاده میشوند، آشنا خواهند شد: رگرسیون لجستیک و درختهای تصمیم گیری. در این دوره چگونگی استفاده از این مدلها در این زمینه خاص و چگونگی ارزیابی آنها توسط بانکها آموزش داده میشود.
مدلسازی ریسک اعتباری در R
-
مقدمه و ساختار داده None
-
هیستوگرامها و داده پرت None
-
داده گمشده و طبقهبندی کلی None
-
تقسیم داده و ماتریسهای درهمریختگی None
-
رگرسیون لجستیک: مقدمه None
-
رگرسیون لجستیک: پیشبینی احتمال نکول None
-
ارزیابی نتیجه مدل رگرسیون لجستیک None
-
جمعبندی و نکات پایانی None
-
درخت تصمیم گیری چیست؟ None
-
ساخت درختهای تصمیم گیری با استفاده از پکیج ()rpart None
-
هرس کردن درخت تصمیم گیری None
-
سایر گزینههای درخت و ساخت ماتریسهای درهمریختگی None
-
یافتن نقطه برش مناسب: منحنی استراتژی None
-
منحنی ROC None
-
انتخاب ورودی بر اساس AUC None
-
جمعبندی دوره None
مشخصات آموزش
مدلسازی ریسک اعتباری در R
- تاریخ به روز رسانی: 1404/12/10
- سطح دوره:متوسط
- تعداد درس:16
- مدت زمان :4:00:00
- حجم :215.0MB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy