讲师
持牌照消费金融模型专家，有金融风控模型算法专利，和中科院，中科大教授保持长期项目合作；和同盾，聚信立等外部数据源公司有项目对接。熟悉消费金融场景业务，线上线下业务，包括现金贷，商品贷，医美，反欺诈，汽车金融等等。模型项目200+，擅长Python机器学习建模，对于变量筛选，衍生变量构造，变量缺失率高，正负样本不平衡，共线性高，多算法比较，调参等疑难问题有良好解决方法。原创课程，版权所有。

实用人群

银行，消费金融，小额贷，现金贷等线上贷款场景的风控建模相关工作人员，贷前审批模型人员或想今后从事模型岗位工作人员；大学生fintech建模竞赛，论文，专利。



课程介绍

针对消费金融，现金贷等线上贷款场景，教会学员如何运用python+catboost+lightgbm等算法建立风控模型。实操项目包括P2P的lendingClub和消费者人群画像-信用智能评分模型竞赛。

之前博主录制《python信用评分卡建模（附代码）》课程是针对逻辑回归评分卡模型；《python风控建模实战lendingClub》此课程是针对集成树模型，包括catboost，lightgbm，xgboost。两个课程算法原理是不同的。

此课程catboost集成树算法有诸多优点，自动化处理缺失数据，自动化调参，无需变量卡方分箱。学员学完后不再为数据预处理，调参，变量分箱而烦恼。此教程建立模型性能卓越，性能AUC:0.96，远超互联网上其它建模人员性能。



课程目的

为了从银行/消费金融公司的角度将信贷损失降低，银行需要制定决策规则，确定谁批准贷款，谁不批准。 在决定贷款申请之前，贷款经理会考虑申请人的信用水平。lendingClub信贷数据包含有关100多个变量的数据，以及10万多个贷款申请者被认为是好信用风险还是坏信用风险的分类。 预期基于此数据开发的预测模型将为银行经理/CRO/贷前审批人员提供指导，以根据他/她的个人资料来决定是否批准准申请人的贷款。



课程特点

1.了解机器学习建模实战，lendingClub包含几十万条实操数据，消费者信用评分竞赛也有十万多建模数据。学员可以跟着视频筛选变量，建模，体验快乐成功感！

2.课程为实战类，提供课程涉及python代码和建模数据

3.完善售后服务，提供售前售后邮件答疑，QQ答疑。

备注：本课程无实物寄送

课程包含kaggle模型竞赛必杀器smote非平衡数据处理和stacking知识