Tout nouveau cours !!

Salut! Bienvenue dans la modélisation du risque de crédit en Python. Le seul cours en ligne qui vous apprend comment les banques utilisent la modélisation de la science des données en Python pour améliorer leurs performances et se conformer aux exigences réglementaires. C’est le cours parfait pour vous, si vous êtes intéressé par une carrière en science des données. Voici pourquoi:

· L’instructeur est un expert reconnu (doctorat de l’école de commerce norvégienne, qui a enseigné dans des universités de renommée mondiale telles que HEC, l’Université du Texas et l’école de commerce norvégienne).

· Le cours est adapté aux débutants. Nous commençons par la théorie et le prétraitement initial des données et résolvons progressivement un exercice complet devant vous

· Tout ce que nous couvrons est à jour et pertinent dans le développement actuel de modèles Python pour le secteur bancaire

· C’est le seul cours en ligne qui présente une image complète du risque de crédit en Python (en utilisant des techniques de pointe pour modéliser les trois aspects de l’équation des pertes attendues – PD, LGD et EAD), y compris la création d’un tableau de bord à partir de zéro

· Ici, nous vous montrons comment créer des modèles conformes aux réglementations Bâle II et Bâle III que d’autres cours abordent rarement

· Nous n’allons pas travailler avec de fausses données. L’ensemble de données utilisé dans ce cours est un exemple concret

· Vous pouvez différencier votre portefeuille de science des données en montrant des compétences très demandées sur le marché du travail

· Ce qui est le plus important – vous pouvez voir de première main comment une tâche de science des données est résolue dans le monde réel

La plupart des cours de science des données couvrent plusieurs cadres, mais sautent la partie pré-traitement et théorique. C’est comme apprendre à goûter le vin avant de pouvoir ouvrir une bouteille de vin.

Nous ne faisons pas cela. Notre objectif est de vous aider à bâtir une base solide. Nous voulons que vous étudiez la théorie, apprenez à pré-traiter des données qui ne viennent pas nécessairement dans le format «  le plus convivial  », et bien sûr, alors seulement nous vous montrerons comment construire un modèle de pointe et comment évaluer son efficacité.

Tout au long du cours, nous couvrirons plusieurs techniques importantes de la science des données.

– Poids de la preuve

– Valeur informationnelle

– Classement fin

– Classement grossier

– Régression linéaire

– Régression logistique

– Zone sous la courbe

– Courbe caractéristique de fonctionnement du récepteur

– Coefficient de Gini

– Kolmogorov-Smirnov

– Évaluation de la stabilité de la population

– Maintenir un modèle

En plus des leçons vidéo, vous recevrez plusieurs ressources précieuses qui vous aideront à apprendre autant que possible:

· Conférences

· Fichiers notebook

· Devoirs

· Questions de quiz

· Diapositives

· Téléchargements

· Accès aux questions / réponses où vous pouvez contacter et contacter le tuteur du cours.