课程介绍

本项目主要讲解典型互联网金融风控场景下的信用评分卡构建原理与具体实现，并结合大数据与机器学习相关技术实现信用

评分卡在金融风控领域的价值

课程目录

• 1.1《金融风控基础》—L2阶段学习说明
• 1.2《金融风控基础》—金融风控知识与架构
• 1.3《金融风控基础》—金融风控与评分卡基础
• 1.4《金融风控基础》—算法模型与大数据风控
• 1.5《金融风控基础》—大型互联网公司的风控与工作技能专业知识
• 1.6《金融风控基础》—金融风控面试十二问
• 1.7《金融风控基础》—金融风控面试算法手册
• 1.8《金融风控基础》—金融风控面试业务手册
• 1.9《金融风控基础》—金融风控面试SQL考核速查表
• 10.1《模型部署》—机器学习与深度学习的模型部署方式(上).flv
• 10.2《模型部署》—机器学习与深度学习的模型部署方式下.flv
• 2.1《信用评分卡模型构建》项目—金融信用评分卡模型原理与考点
• 2.2《信用评分卡模型构建》项目—金融信用评分卡模型案例
• 2.3《信用评分卡模型构建》项目—评分卡建模核心环节与通用代码模板
• 2.4《信用评分卡模型构建》项目—评分卡建模评估方法
• 3.1《拍拍贷金融风控建模与调优》项目—互联网金融风控模型详细解决方案讲解
• 3.2《拍拍贷金融风控建模与调优》项目—互联网金融风控模型代码讲解
• 4.1《马上消费金融风控模型》项目—马上金融风控背景与方案讲解
• 4.2《马上消费金融风控模型》项目—马上金融风控代码单模型1
• 4.3《马上消费金融风控模型》项目—马上金融风控代码单模型2
• 4.4《马上消费金融风控模型》项目—马上金融风控代码第一名方案简介
• 4.5《马上消费金融风控模型》项目—马上金融风控代码第一名方案代码
• 5.1《企业经营风险预测建模》项目—项目背景与数据说明
• 5.2《企业经营风险预测建模》项目—solution1的解法说明与模板
• 5.4《企业经营风险预测建模》项目—solution2的解法思路代码讲解和总结
• 6.1《分组项目说明》—风控项目说明
• 7.1《互联网广告反欺诈建模》项目—互联网广告反欺诈问题场景介绍
• 7.2《互联网广告反欺诈建模》项目—场景数据分析与建模方案
• 7.3《互联网广告反欺诈建模》项目—反欺诈进阶集成解法之LightGBM
• 7.4《互联网广告反欺诈建模》项目—反欺诈进阶集成解法之神经网络
• 8.1《银行信贷违约检测解决方案》项目—厦门国际银行银行信贷违约检测数据与解决思路介绍
• 8.2《银行信贷违约检测解决方案》项目—厦门国际银行银行信贷违约检测解决方案
• 8.3《银行信贷违约检测解决方案》项目—厦门国际银行银行信贷违约检测数据分析与特征工程
• 8.4《银行信贷违约检测解决方案》项目—厦门国际银行银行信贷违约检测建模调优实现.mp
• 8.5《银行信贷违约检测解决方案》项目—2020厦门国际银行客户与资产流失预警背景与数
• 8.6《银行信贷违约检测解决方案》项目—2020厦门国际银行客户与资产流失预警数据整合
• 8.7《银行信贷违约检测解决方案》项目—2020厦门国际银行客户与资产流失预警特征工程
• 8.8《银行信贷违约检测解决方案》项目—厦门国际银行客户与资产流失预警建模与优化.mp
• 9.1《神经网络与图挖掘在风控中的应用》项目—金融反欺诈场景中的异常检测-监督学习
• 9.2《神经网络与图挖掘在风控中的应用》项目—模型部署上线
• 9.3《神经网络与图挖掘在风控中的应用》项目—金融反欺诈场景中的异常检测-无监督学习.
• 9.4《神经网络与图挖掘在风控中的应用》项目—图挖掘方法在业务风控中的应用
• 9.5《神经网络与图挖掘在风控中的应用》项目—图卷积网络及其在风控中的应用
• 9.6《神经网络与图挖掘在风控中的应用》项目—使用图卷积网络对用户分类