Neem contact met ons op
 Duur 14 uren

Cursusaanbod

AI in kredietrisico: Fundamenten en kansen

  • Traditionele vs. AI-gedreven kredietrisicomodellen
  • Uitdagingen in kredietbeoordeling: bias, uitlegbaarheid en eerlijkheid
  • Casestudies uit de praktijk over AI in leningen

Data voor kredietscoringmodellen

  • Bronnen: transacties, gedrag en alternatieve data
  • Datakuis en feature engineering voor leningsbeslissingen
  • Het behandelen van onbalans in klassen en data-schaarste in risicovoorspelling

Machine Learning voor kredietscoring

  • Logistieke regressie, beslissingsbomen en random forests
  • Gradient boosting (LightGBM, XGBoost) voor scoring-accuratesse
  • Technieken voor modeltraining, validatie en tuning

AI-gerichte leningsworkflow

  • Automatisering van leningssegmentatie en leningsrisicobeoordeling
  • AI-versterkte onderwriting- en goedkeuringsprocessen
  • Dynamische prijzenstelling en optimalisatie van rente met ML

Modelinterpreteerbaarheid en responsible AI

  • Voorspellingen uitleggen met SHAP en LIME
  • Eerlijkheid in kredietmodellen: detectie en mitigatie van bias
  • Compliance met regelgevingskaders (bijv. ECOA, GDPR)

Generatieve AI in leningscenario's

  • Gebruik van LLM's voor aanvragecheck en documentanalyse
  • Prompt engineering voor communicatie met leners en inzichten
  • Synthese van data voor modeltesten

Strategie en governance voor AI in krediet

  • Internal AI-capaciteiten opbouwen vs. externe oplossingen
  • Best practices voor levenscyclusbeheer en governance van modellen
  • Toekomstige trends: real-time kredietscoring, integratie van open banking

Samenvatting en vervolgstappen

Vereisten

  • Kennis van de basisprincipes van kredietrisico
  • Ervaring met data-analyse of business intelligence-tools
  • Bekendheid met Python of bereidheid om basissyntax te leren

Doelgroep

  • Leningsmanagers
  • Kredietanalisten
  • Fintech-innovatoren

Aantal deelnemers


Prijs per deelnemer

Getuigenissen (1)

Voorlopige Aankomende Cursussen

Gerelateerde categorieën