Eğitimin Amacı ve Kapsamı
Risk skorları hem doğru hem açıklanabilir olmak zorundadır; ret kararı verilen bir müşteriye ya da denetçiye gerekçe sunulabilmelidir. Program; hedef ve performans penceresi tanımı, binning, WoE ve Information Value ile değişken analizi, lojistik regresyon ile puan kartı (scorecard) oluşturma ve skorun PD'ye kalibrasyonunu işler.
Gradient boosting modellerin monotonic kısıtlar ve SHAP ile açıklanabilir kullanımı, reject inference ve cut-off stratejisi de ele alınır. Katılımcılar optbinning gibi araçlarla kurumun portföyüne benzer bir veride puan kartı ve skor dağılımı analizi üretir.
Kimler Katılmalı?
- Kredi riski ve skorlama ekipleri
- Sigorta aktüerya ve underwriting analitiği uzmanları
- Tedarikçi ve karşı taraf riski analistleri
- Ön koşul: temel istatistik ve Python veya SAS/R deneyimi
Kazanımlar
- Hedef tanımı ve gözlem/performans pencerelerini doğru kurmak
- WoE/IV ile değişkenleri analiz edip monoton binning uygulamak
- Lojistik regresyon tabanlı puan kartı geliştirip puan ölçeğine çevirmek
- Gradient boosting modelini monotonic kısıtlarla açıklanabilir kılmak
- Onay oranı ve kayıp dengesine göre cut-off stratejisi önermek
Konular
Risk Problemi ve Hedef Tanımı
- Temerrüt tanımı, gözlem ve performans pencereleri
- Vintage analizi ve örneklem tasarımı
Binning, WoE ve Information Value
- optbinning ile monoton binning
- Değişken seçimi ve korelasyon kontrolü
Scorecard Geliştirme
- Lojistik regresyon, katsayı yorumu ve puan ölçekleme
- Skorun PD'ye kalibrasyonu
ML Tabanlı Risk Modelleri
- Monotonic kısıtlı LightGBM ve SHAP açıklamaları
- Scorecard ile performans ve açıklanabilirlik karşılaştırması
Reject Inference ve Cut-off Stratejisi
- Reddedilen başvurular için çıkarım yöntemleri
- Onay oranı, kayıp ve gelir dengesine göre eşik
Bu Kategorideki Diğer Eğitimler
-
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
-
İşbirlikçi filtreleme, içerik tabanlı ve hibrit öneri modelleri, matris faktörizasyonu, implicit feedback, cold-start çözümleri ve ranking metrikleri; kişiselleştirilmiş ürün ve içerik öneri motorları kurulur.
- Canlı Kurs
- 5 modül
-
Sensör, telemetri ve bakım kayıtlarından arıza olasılığı ve kalan faydalı ömür (RUL) tahmini; sinyal özellik mühendisliği, sağlık indeksi, erken uyarı eşikleri ve bakım maliyet optimizasyonu uygulamalı işlenir.
- Canlı Kurs
- 5 modül
-
SKU-lokasyon düzeyinde talep tahmini: promosyon, fiyat esnekliği, stoksuz kalma (stockout) düzeltmesi, aralıklı talep (Croston/ADIDA), hiyerarşik uzlaştırma ve güvenlik stoğuna bağlanan olasılıksal tahminler.
- Canlı Kurs
- 5 modül
-
Tahmin modellerini matematiksel optimizasyonla birleştirme: LP/MILP formülasyonu, OR-Tools ve Pyomo ile kapasite, çizelgeleme, rota ve fiyat/bütçe tahsisi; belirsizlik altında stokastik ve bağlamsal karar sistemleri.
- Canlı Kurs
- 5 modül
-
Tablo verisinin standart modelleri XGBoost, LightGBM ve CatBoost: ağaç büyütme stratejileri, kategorik ve eksik değer işleme, ranking/quantile/custom objective, monotonic kısıtlar, Optuna ve hızlı inference.
- Canlı Kurs
- 5 modül
Bizimle iletişime geçin
