互联网金融是新兴涌现出来的金融创新模式。它结合了成熟的互联网技术、电商消费和人工智能等手段,打破了传统线下银行的壁垒,在横向的广度和纵向的深度上都为传统金融机构带来了颠覆性的革新,为现代的融资、购物、支付等需求提供了强大的便利。同时,也由于互金平台中的实时性、快捷性和复杂性等特点,该领域也爆发了大量的欺诈行为,给互金机构带来及其严重的损失。过去的反欺诈手段主要以专家经验和规则为主。随着大数据、机器学习、深度学习等技术的发展,越来越多的互金平台将量化模型引入到反欺诈工作中农。本课程以消费金融领域的交易反欺诈为例,介绍如何将机器学习模型应用在反欺诈工作中,从而为互金平台识别欺诈、降低损失。 课程中将介绍常用的机器学习模型,包括元模型如逻辑回归、决策树、支持向量机等,以及集成模型如bagging、boosting和stacking等。课程结束后,学员将对量化模型在反欺诈领域中的应用有一定程度的掌握,可以在本部门中搭建基本的风控模型。 课程大纲: 第一课:python的介绍和入门 1) python语法 2) pandas,numpy,statsmodels,sklearn等常用包 第二课:数据分析建模的准备工作 1) 业务背景 2) 数据清洗 3) 特征工程 4) 数据可视化 第三课:建模的预备知识 1) 损失函数 2) 参数估计 3) 性能评价 第四课:逻辑回归模型的介绍 1) 逻辑回归模型的简介 2) 逻辑回归模型的参数估计 第五课:逻辑回归模型在反欺诈中的应用 1) 逻辑回归模型的特征处理 2) 逻辑回归模型的结果解读 第六课:支持向量机模型的介绍 1) 支持向量机模型的原理 第七课:支持向量机模型在反欺诈中的应用 1) 支持向量机模型的应用 第八课:机器学习中的集成模型 1) 元模型与集成模型 2) 集成的方式:bagging,boosting与stacking 第九课:决策树与随机森林及其应用 1) 决策树模型 2) 随机森林模型 3) 随机森林的应用 4) 特征重要性评估 第十课:GBDT模型及其应用 1) GBDT模型的原理 2) GBDT模型的应用 3) 特征重要性评估 第十一课:集成模型中的stacking方法 1) 多模型的stacking 第十二课:反欺诈业务中的衍生问题 1) 无监督模型与半监督模型 2) 聚类模型 3) 非平衡样本的处理方法 授课时间: 课程将于2024年10月24日开课,课程持续时间大约为14周。 授课对象: 本课程针对在互金、电商等领域工作且对反欺诈与信用风控有兴趣的学员,或者有一定数学、统计学、计算机学科背景的在校生。要求学员能在课后跑代码,按照课上的内容进行实地数据分析,发现问题、讨论问题并解决问题。 预期收获: 能够掌握常用的机器学习模型,在有监督场景下解决互金领域的交易反欺诈问题。 授课讲师: 晓风,硕士毕业于全球top10的统计系,在银行、互金等领域有超过8年的工作经验,在PNAS等核心刊物上发表多篇数据分析领域的文章,带领团队负责多个风控模型的开发与落地工作。 课程试听: 新颖的课程收费形式:“逆向收费”约等于免费学习,仅收取100元固定收费+300元暂存学费,学习圆满则全额奖励返还给学员! 本门课程本来打算完全免费,某位大神曾经说过“成功就是正确的方向再加上适度的压力”。考虑到讲师本身要付出巨大的劳动,为了防止一些朋友在学习途中半途而废,浪费了讲师的付出,为此我们计划模仿某些健身课程,使用“逆向收费”的方法。 在报名时每位报名者收取400元,其中100元为固定 收费,另外300是暂存学费,即如果学员能完成全部课程要求,包括完成全部的书面和互动作业,则300元全款退回。如果学员未能坚持到完全所有的学习计划任务,则会被扣款。期望这种方式可以转化为大家强烈的学习愿望和驱动力! 课程授课方式: 1、 学习方式:老师发布教学资料、教材,幻灯片和视频,学员通过网络下载学习。同时通过论坛互动中老师对学员进行指导及学员之间相互交流。 2、 学习作业:老师每周布置书面及互动作业,学员需按时按质完成作业。 3、 老师辅导:根据作业批改中发现的问题,针对性给予辅导,帮助大家掌握知识。 4、 结业测验:通过测验,完成学业。 您是否对此课程还有疑问,那么请 点击进入 FAQ,您的问题将基本得到解答 咨询QQ: 2222010006 (上班时间在线) 技术热点、 行业资讯,培训课程信息,尽在炼数成金官方微信,低成本传递高端知识!技术成就梦想!欢迎关注! 打开微信,使用扫一扫功能,即刻关注炼数成金官方微信账户,不容错过的精彩,期待您的体验!!! |