课程大纲 第一课 金融风控业务详解 知识点1： 各风控环节、方法及其意义
知识点2： A卡、B卡、C卡的区别与联系
知识点3： 职业规划：模型（机器学习） vs 策略（业务分析）
第二课 风控数据挖掘方法 知识点1： 金融风控的数据解析
知识点2： 风控特征的构造思路
实战项目： 利用数据挖掘制定风控策略
第三课 特征衍生 知识点1： 基础特征构造
知识点2： 百万级别的变量衍生方法
实战项目： 通过时间序列构造百万数量级的风控领域特征
第四课 特征筛选 知识点1： 三种特征筛选方法
知识点2： 分箱处理
知识点3： 特征变换
实战项目： 从海量特征中逐层筛选关键特征
第五课 逻辑回归评分卡 知识点1： 逻辑回归与正则化
知识点2： WOE变换
知识点3： 评分映射
实战项目： 构建传统银行风控评分卡
第六课 集成算法 知识点1： 决策树算法、RandomForest算法
知识点2： XGBoost算法、LightGBM算法
知识点3： 风控模型的评价方法：KS/AUC/PSI
实战项目： 利用集成算法构建风控模型
第七课 不均衡学习 知识点1： 金融风控场景的样本不均衡
知识点2： 下探、标签分裂、拒绝演绎
实战项目： 利用弱监督方法解决样本不均衡问题
第八课 模型融合 知识点1： 金融领域的长尾数据
知识点2： 模型融合方法简介
实战项目： 利用融合算法解决金融领域的长尾数据问题
第九课 迁移学习.mp4 知识点1： 窘迫的冷启动项目
知识点2： 异常点检测与迁移模型
实战项目： 用无监督与迁移学习解决项目的冷启动问题
第十课 深度学习与金融风控 知识点1： 深度学习基础
知识点2： 深度学习在风控领域的应用解析
实战项目： 利用深卷积神经网络破冰金融领域反欺诈
第十一课 异常检测实战 知识点1： 对企业风控系统需求的思考
知识点2： 前融合与后融、stacking
知识点3： 线上模型的稳定性问题
实战项目： 模型融合构建企业风控框架
第十二课 社交网络分析与金融反欺诈 知识点1： networkx简介
知识点2： 社区发现、不一致性检验
知识点3： 静态/动态分析、染色、关联特征提取
实战项目： 利用社交网络分析实现反欺诈与风险控制
获取资料的同学请加VX：itnaer
