[重磅] AI大会培训课程: 量化互联网金融信用与反欺诈风控

国际新闻 阅读(1507)

O'Reilly AI大会将于6月18日至21日在北京举行。此AI活动将由O'Reilly和Intel AI共同主办。会议将通过培训,教程和主题演讲探讨和分享人工智能研究的发展及其在商业和工业中的实际应用。

img_pic_1560484436_0.jpg

6.18-6.19重量训练课程:量化互联网金融信用和反欺诈风控制。负责培训的三位导师是清华兼职教授,Acorns首席数据科学家Yujinke博士,惠安金科(北京)科技有限公司创始人兼首席执行官,黄玲,清华大学跨学科兼职教授信息研究所,安排科学技术首席科学家陈伟。

您想知道金融企业如何使用大数据和人工智能技术来描绘个人行为并检测欺诈性用户吗?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?在实践中,机器学习算法的应用需要注意什么?如何通过图集分析整合多维数据,以区分普通用户和欺诈用户?本教程以清华大学跨信息研究所提供的定量金融学分和风控分析研究生课程为基础。 LendingClub的真实贷款数据将用作案例来说明某些特定模型的实施情况。

1)了解数据科学在互联网金融中个人信用评估中的价值

2)了解个人信用领域的实际数据的科学过程和考虑因素

3)了解构建信用模型中各种挑战的解决方案

需要了解人工智能/机器学习人才的金融业知识;

需要了解AI /机器学习知识的金融专业人士;

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

img_pic_1560484436_1.jpg

img_pic_1560484437_2.jpg

img_pic_1560484437_3.jpg

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?

信用贷款行业概述

信贷风险

金融产品设计

数据特征和评估标准

中美信用评分现状

信息来源:身份认证+还款能力/意愿,个人设备信息,个人在线/离线行为信息

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

标记所获得的挑战

o成本高,周期长,定义多样

信用亮点

o早期产品型号,成熟产品型号

欺诈标记

o五层欺诈标签

构建信用和欺诈模型

增量学习

o静态窗口方法

o更新方法

o忘记真正的方法

数据非均衡处理

o随机过采样和欠采样

o知情的欠采样

o使用数据生成的合成采样

o自适应合成采样

o采样数据清理技术

模型战略

o线性回归

o GBT

o合奏

第二天(早上):

黑色产业链

黑色产业链概述

安全性和用户体验权衡

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

深度学习应用程序

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

营利性评估

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