[Strata Data Conference培訓課程] 資料科學精髓：網際網路金融例項-量化線上金融信用與欺詐風險的評估

您想了解網際網路金融幕後的量化分析流程嗎？個人信用是怎樣通過大資料被量化的？在實踐過程中，機器學習演算法的應用存在著哪些需要關注的方面？怎樣通過圖譜分析來融合多維資料，為我們區分正常使用者和欺詐使用者？ 

這套輔導課基於清華大學交叉資訊研究院2017年春天新開設的一門"量化金融信用與風控分析”研究生課。其中會用LendingClub的真實借貸資料做為案例，解說一些具體模型的實現。

您將學到什麼及如何應用之

專業術語，研發方向，具體挑戰，資料科學解決方案

本培訓適合您因為…

• 瞭解資料科學在網際網路金融領域裡在個人信用評估的價值

• 瞭解個人信用領域真實的資料科學流程和考慮方面

• 瞭解信用模型搭建中多種挑戰的解決方案

預備條件：

一些資料科學建模經驗，對金融個人信用領域的興趣

硬體和／或安裝要求：

觀眾可選擇事先下載資料和code，跟隨練習。

---

具體課程內容如下：

7月12日 第一天（上午）：

1. 金融信用行業概況

• 什麼是信用？

• 信用貸款行業概況

• 信用貸款風險

• 金融產品的設計

2. 資料特性與評估標準

• 中美信用評分的現狀

• 資訊源：身份鑑別＋還款能力/意願，個人裝置資訊，個人線上／線下行為資訊

• 風控術語與評估標準

• 資料來源獲取挑戰

7月12日 第一天（下午）：

3. 資料採集與特徵提取

• 資料來源的選擇

  • 信貸金融屬性強度，資料產生的頻率，反應還款能力／意願

• 特徵的挖掘

  • 特徵的挖掘，有效性／穩定性的評估

  • 特徵的組合，

  • 遷移學習，主動學習，表徵學習

• 知識圖譜的應用

  • 實體和關係的定義

  • 圖資料庫的技術實現    

  • 用Cypher做圖譜挖掘

  • 社群挖掘演算法案例

• 裝置指紋

4. 信用和欺詐的標註

• 標註獲取的挑戰

  • 成本高，週期長，定義多樣

• 信用標註

  • 早期產品模型，成熟產品模型

• 欺詐標註

  • 欺詐標註的五層分層

7月13日 第二天（上午）：

5. 信用和欺詐模型的搭建

• Incremental Learning

  • Static Windowing Approach

  • Updating Approach

  • Forgetting Genuine Approach

• 資料非平衡處理：

  • Random Oversampling and Undersampling

  • Informed Undersampling

  • Synthetic Sampling with Data Generation

  • Adaptive Synthetic Sampling

  • Sampling with Data Cleaning Techniques

• 模型策略

  • Linear Regression

  • GBT

  • Deep Learning

  • Ensembles

• 結果評估

  • 混淆矩陣

  • 排序評估方法

  • ROC Curve

  • PR Curve

7月13日 第二天（下午）：

6. 商業決策和評估：

• 利率和額度的確定

• 營利性的評估

7. 黑色產業鏈

• 黑色產業鏈一覽

• 安全與使用者體驗的權衡

• 對應策略

8. 行業案例

關於導師

種驥科博士現任清華大學訪問教授和宜人貸 (NYSE:YRD) 首席資料科學家。在宜人貸，種驥科的資料科學團隊支援反欺詐風控和數字驅動的運營和創新。之前，種驥科曾任職於美國Simply Hired招聘平臺，建立了資料科學部， 並應邀為白宮科技辦公室參謀大資料技術產品設計。還曾就職於美國Silver Lake 私募公司任Kraftwerk基金資料科學架構師，負責大資料技術在私募投資風控方面的應用。種驥科曾任美國卡內基梅隆大學教授與博士生導師，持有加州大學伯克利分校電子工程和電腦科學系博士學位，卡內基梅隆大學電子和計算機工程系碩士及本科學位，和9項專利(5項獲准，4項待批)。

---

---

Strata Data Conference北京站正在報名中，點選圖片中二維碼可登入會議網站，瀏覽截止到目前為止的講師名單和已經確認的議題，早期票價優惠期截止到6月9日，儘快註冊以確保留位。