Zkuste nás kontaktovat

Návrh Školení

Umělá inteligence v kontextu úvěrového rizika: základy a příležitosti

  • Tradiční versus AI-podporované modely hodnocení úvěrového rizika
  • Problémy při posuzování bonity: zaujatost, srozumitelnost a spravedlnost modelů
  • Praktické příklady využití AI v oblasti poskytování úvěrů

Data potřebná pro modely skórování úvěrů

  • Zdroje dat: transakční, chovánkové a alternativní informace
  • Čištění dat a tvorba příznaků vhodných pro rozhodování o poskytnutí úvěru
  • Řešení nerovnoměrného rozložení kategorií a nedostatku dat při predikci rizik

Strojové učení pro účely skórování úvěrů

  • Logistická regrese, rozhodovací stromy a náhodné lesy
  • Metody typu gradient boosting (LightGBM, XGBoost) pro zvýšení přesnosti skórování
  • Techniky trénování modelů, jejich validace a optimalizace parametrů

Procesy poskytování úvěrů podporované umělou inteligencí

  • Automatizace segmentace klientů a hodnocení rizik spojených s úvěry
  • Zlepšování procesů schvalování žádostí pomocí nástrojů umělé inteligence
  • Dynamické stanovení cen a optimalizace úrokových sazeb s využitím strojového učení

Srozumitelnost modelů a etické využívání umělé inteligence

  • Jak interpretovat výsledky predikcí pomocí nástrojů SHAP a LIME
  • Zajištění spravedlnosti modelů: detekce a potlačování zaujatosti při hodnocení bonity
  • Dodržování platných právních a regulatorních předpisů (např. ECOA, GDPR)

Generativní umělá inteligence v praxi finančnictví

  • Využití velkých jazykových modelů k analyzování žádostí o úvěr a příslušné dokumentace
  • Tvorba vhodných instrukcí pro interakci s klienty prostřednictvím umělé inteligence
  • Generování syntetických dat určených k testování modelů umělé inteligence

Strategie a řízení využití umělé inteligence v úvěrovém segmentu

  • Budování vlastních kapacit pro rozvoj AI versus využívání externích řešení
  • Správa životního cyklu modelů a osvědčené postupy v oblasti jejich governance
  • Budoucí trendy: reálný časový skórování úvěrů, integrace s otevřeným bankovnictvím

Shrnutí a další kroky

Požadavky

  • Základní znalost principů hodnocení úvěrového rizika
  • Praxe v analýze dat nebo práce s nástroji pro obchodní inteligenci
  • Seznámení s programovacím jazykem Python či ochota se naučit jeho základy

Cílová skupina

  • Manažeři úvěrových operací
  • Úvěroví analytici
  • Inovátoři z oblasti fintechu
 14 Hodiny

Počet účastníků


Cena za účastníka

Reference (1)

Nadcházející kurzy

Související kategorie