Eğitimin Amacı ve Kapsamı
Özellikle finans, sigorta ve regüle sektörlerde bir model, geliştiriciden bağımsız bir gözle doğrulanmadan kullanıma alınmamalıdır. Program; model envanteri ve risk sınıflandırması, kavramsal sağlamlık incelemesi, veri kalitesi testleri, out-of-time backtesting, PSI ve CSI ile stabilite analizi, challenger model karşılaştırması ve hassasiyet/stres testlerini kapsar.
SR 11-7 tarzı model risk yönetimi ilkeleri ile EU AI Act'in yüksek riskli sistemler için beklediği test ve dokümantasyon gereklilikleri birlikte ele alınır. Katılımcılar örnek bir model üzerinde bulgu dereceleri içeren bir validation raporu hazırlar.
Kimler Katılmalı?
- Model validation ve model risk yönetimi ekipleri
- Kredi, sigorta ve fiyatlama modeli geliştiren veri bilimciler
- İç denetim ve uyum birimlerinin teknik uzmanları
- Ön koşul: istatistiksel model geliştirme veya inceleme deneyimi
Kazanımlar
- Model riskine göre validation kapsamını ve derinliğini belirlemek
- Out-of-time ve out-of-sample backtesting tasarlamak
- PSI, CSI ve ayrıştırma gücü metrikleriyle stabiliteyi izlemek
- Challenger modellerle geliştirici modelini bağımsız sınamak
- Bulguları önem derecesiyle birlikte validation raporunda belgelemek
Konular
Model Risk Yönetimi Çerçevesi
- Model envanteri, risk sınıflandırması ve üç savunma hattı
- SR 11-7 ilkeleri ve EU AI Act test gereklilikleri
Kavramsal Sağlamlık ve Veri İncelemesi
- Varsayımların, değişken seçiminin ve hedef tanımının sınanması
- Veri kalitesi, temsil gücü ve sızıntı kontrolleri
Performans ve Backtesting
- Gini, KS, AUC ve kalibrasyon testleri
- Out-of-time backtesting ve dönem karşılaştırmaları
Stabilite, Hassasiyet ve Stres Testleri
- PSI ve CSI ile popülasyon kayması analizi
- Senaryo bazlı stres ve girdi hassasiyeti
Challenger Modeller ve Validation Raporu
- Bağımsız benchmark model kurma
- Bulgu dereceleri, aksiyon planı ve izleme önerileri
Bu Kategorideki Diğer Eğitimler
-
ARIMA, ETS, Prophet ve LightGBM tabanlı yaklaşımlarla zaman serisi tahmini; mevsimsellik, dış değişkenler, hiyerarşik seriler, backtesting ve tahmin aralıkları üzerinde uygulamalı çalışarak güvenilir forecast modelleri kurulur.
- Canlı Kurs
- 5 modül
-
İstatistiksel yöntemler, Isolation Forest, LOF, autoencoder ve zaman serisi anomali teknikleriyle etiketsiz veride olağandışı davranışları yakalama; eşik belirleme, alarm yorgunluğu ve değerlendirme stratejileri dahil.
- Canlı Kurs
- 5 modül
-
Uygulamalı Makine Öğrenmesi
Scikit-learn, XGBoost, LightGBM ve CatBoost ile uçtan uca makine öğrenmesi pipeline'ları, özellik mühendisliği, Optuna ile hiperparametre optimizasyonu ve SHAP/LIME ile model açıklanabilirliği.
- Canlı Kurs
- 3 modül
-
Ödeme, sigorta ve hesap sahtekarlığı için davranışsal özellikler, gradient boosting, anomali skorları ve kural-model hibrit yapılar; aşırı dengesiz veri, gecikmeli etiketler ve operasyonel eşik yönetimi uygulamalı işlenir.
- Canlı Kurs
- 5 modül
-
Kredi, sigorta ve tedarikçi riski için WoE/IV ile değişken analizi, lojistik regresyon scorecard, gradient boosting alternatifleri, reject inference ve skor kalibrasyonu; açıklanabilir ve denetlenebilir risk skorları kurulur.
- Canlı Kurs
- 5 modül
-
Churn, satın alma ve cross-sell eğilim modelleri; hedef tanımı, müşteri davranış özellikleri, survival analizi, uplift modelleme ve kampanya hedeflemesiyle tahminleri ölçülebilir elde tutma ve satış aksiyonlarına dönüştürür.
- Canlı Kurs
- 5 modül
Bizimle iletişime geçin
