Costruirò un modello di scoring del rischio di credito usando python e machine learning

Hai bisogno di prevedere il rischio di credito o la probabilità di default del cliente? Costruisco modelli di machine learning che valutano il rischio con precisione e interpretabilità commerciale, non solo come una scatola nera.

Ciò che otterrai:

• Analisi esplorativa dei dati e preparazione delle feature
• Modello predittivo (Logistic Regression o XGBoost, a seconda dell'ambito)
• Spiegabilità SHAP, così capisci perché il modello predice ciò che predice
• Opzionale: calibrazione della probabilità e inquadramento della Expected Credit Loss (ECL) in linea con gli standard normativi del settore (OJK/IFRS 9)

Ho costruito pipeline di scoring del credito end-to-end che raggiungono AUC 0,77+ e KS Statistic nella gamma "Eccellente" con un forte focus sulla resa dei risultati utilizzabili per decisioni aziendali reali, non solo metriche accademiche.

Strumenti che uso: Python (XGBoost, scikit-learn, SHAP), Pandas

Non sei sicuro di quale pacchetto si adatti ai tuoi dati e obiettivi? Scrivimi prima di ordinare e ti aiuterò a definirlo correttamente.