Credit Scoring for Data Scientist Using Python

Credit Scoring for Data Scientist Using Python

Credit Scoring for Data Scientist Using Python

17 - 18 August 2026 Malang Hotel Ibis Style

Deskripsi

Penilaian kredit adalah proses krusial yang digunakan bank, pemberi pinjaman, dan lembaga keuangan untuk mengevaluasi risiko yang terkait dengan pemberian pinjaman kepada individu. Proses ini membantu menentukan kemungkinan seseorang akan melunasi pinjaman atau utang kartu kredit berdasarkan perilaku keuangan sebelumnya. Jika Anda ingin memanfaatkan penilaian kredit dengan Python untuk menangani basis data besar, blog ini cocok untuk Anda.

Memasuki lanskap penilaian kredit, Python muncul sebagai sekutu yang ampuh, membentuk kembali cara model penilaian kredit menjadi kenyataan. Dalam ranah "Credit Scoring Python", blog ini berfungsi sebagai panduan teknis Anda, mengarahkan analis keuangan dan penggemar data melalui proses bernuansa dalam membangun model penilaian kredit yang kuat. Dari persiapan data terperinci hingga integrasi analitik prediktif yang mulus, Python menjadi pusat perhatian, memberdayakan para profesional di bidang keuangan dan teknologi.

Materi

  • Pengenalan Credit Scoring
  • Definisi dan konsep credit scoring
  • Jenis‑jenis credit scoring (aplikasi, behavioral, koleksi)
  • Manfaat dan tantangan credit scoring
  • Pengumpulan dan pengolahan data kredit
  • Penanganan missing value dan outlier
  • Transformasi data
  • Analisis statistik deskriptif
  • Visualisasi data menggunakan plot dan chart
  • Pembuatan fitur yang relevan untuk credit scoring
  • Seleksi fitur menggunakan metode statistik dan machine learning
  • Penggunaan teknik dimensionality reduction (PCA, t‑SNE, dll.)
  • Pengenalan model credit scoring (logistic regression, decision tree, random forest, dll.)
  • Pembuatan model credit scoring menggunakan Python (scikit‑learn, XGBoost, dll.)
  • Metrik evaluasi model (accuracy, precision, recall, F1‑score, AUC‑ROC)
  • Model optimization dan deployment
  • Pengenalan hyperparameter tuning (grid search, random search, Bayesian optimization)
  • Penggunaan hyperparameter tuning untuk meningkatkan kinerja model
  • Pengenalan model deployment (pickle, joblib, Docker)
  • Pembuatan API untuk model credit scoring menggunakan Flask atau Django
  • Data Preparation
  • Eksplorasi Data
  • Feature Engineering
  • Credit Scoring Modeling
  • Model Evaluation
  • Hyperparameter Tuning
  • Model Deployment
  • Studi Kasus dan Diskusi
  • Contoh implementasi credit scoring menggunakan Python
  • Diskusi dan sharing pengalaman peserta

Peserta

Divisi Data Science

Divisi Data Analytics

Divisi Credit Risk

Divisi Kredit

Divisi Risk Management

Divisi IT / TI

Divisi Digital Transformation

Metode

• Pre Test 
• Presentasi Materi 
• Diskusi 
• Studi Kasus 
• Post Test 

Fasilitas

• Training Amenities 
• Peralatan Pelatihan (Tas, Hand Out, Flashdisk, Block Note, Pulpen, Watermark) 
• Sertifikat 
• Souvenir 
• 2x Coffee Break, 1x Lunch

Kembali ke Layanan