Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Temario del curso
IA en el riesgo de crédito: Fundamentos y oportunidades
- Modelos de riesgo de crédito tradicionales vs. modelos potenciados por IA
- Desafíos en la evaluación crediticia: sesgo, explicabilidad y equidad
- Estudios de casos reales de IA en el otorgamiento de créditos
Datos para modelos de puntuación crediticia
- Fuentes: datos transaccionales, conductuales y alternativos
- Limpieza de datos e ingeniería de características para decisiones de crédito
- Manejo del desbalance de clases y la escasez de datos en la predicción de riesgos
Aprendizaje automático para la puntuación crediticia
- Regresión logística, árboles de decisión y bosques aleatorios
- Ajuste gradual (LightGBM, XGBoost) para la precisión de la puntuación
- Técnicas de entrenamiento, validación y ajuste de modelos
Flujos de trabajo de crédito impulsados por IA
- Automatización de la segmentación de prestatarios y evaluación de riesgo de préstamos
- Procesos de análisis de crédito y aprobación mejorados con IA
- Precios dinámicos y optimización de tasas de interés utilizando ML
Interpretabilidad de modelos e IA responsable
- Explicación de predicciones con SHAP y LIME
- Equidad en modelos de crédito: detección y mitigación de sesgos
- Cumplimiento de marcos regulatorios (p. ej. ECOA, GDPR)
IA generativa en escenarios de crédito
- Uso de LLM para la revisión de solicitudes y el análisis de documentos
- Ingeniería de prompts para la comunicación con prestatarios y generación de información
- Generación de datos sintéticos para la prueba de modelos
Estrategia y gobernanza de la IA en el crédito
- Construcción de capacidades de IA internas vs. soluciones externas
- Gestión del ciclo de vida del modelo y mejores prácticas de gobernanza
- Tendencias futuras: puntuación crediticia en tiempo real, integración de open banking
Resumen y próximos pasos
Requerimientos
- Conocimiento de los fundamentos del riesgo de crédito.
- Experiencia en análisis de datos o herramientas de inteligencia de negocios.
- Familiaridad con Python o disposición para aprender la sintaxis básica.
Público objetivo
- Gerentes de crédito.
- Analistas de crédito.
- Innovadores de FinTech.
14 Horas
Reseñas (1)
Ya cuento con algunos informes que conozco; utilizaré algunas de las indicaciones que revisamos hoy.
Kelly Cotham
Curso - Copilot for Finance and Accounting Professionals
Traducción Automática
