第二期：
第一課：數據分析基本知識複習（2課時）
1. 數據分析的基本概念
a. 目的
b. 數據獲取和清理
c. 數據的描述性統計與可視化
2. 數據分析的常用模型
a. 監督式模型：（廣義）線性迴歸，決策樹，隨機森林，支持向量機，神經網絡
b. 非監督式模型：聚類分析，因子分析，主成分分析
第二課：銀行信貸客戶的聚類分析－非監督式聚類（2課時）
1. 數值型變量的歸一化
2. 類別型變量的編碼
3. 距離的概念和種類
4. 閔可夫斯基距離
5. VDM(Value Difference Metric)距離
6. 聚類的性能度量
a. Davies-Bouldin Index
b. Dunn Index
7. K-均值算法的難題：如何選取k
第三課：銀行信貸客戶的聚類分析－非監督式聚類（續）（2課時）
1. 數據描述
2. 數據預處理的實操：歸一化與編碼
3. K-均值算法用於信貸客戶的聚類分析
4. 層次聚類法用於信貸客戶的聚類分析
第四課：銀行信貸客戶的聚類分析－半監督式聚類（2課時）
1. 半監督聚類
a. 約束K-均值算法
2. 帶有少量標籤的K-均值算法
第五課：行爲評分卡模型的簡介（2課時）
1. 個人信貸產品的簡介及其中的各類風險
2. 什麼是評分卡模型
3. 信用風險領域的評分卡模型
a. 申請評分卡
b. 行爲評分卡
c. 催收評分卡
4. 評分卡模型的時間窗口概念
a. 表現期
b. 觀察期
5. 拓展：PD模型與巴塞爾協議
第六課：行爲評分卡模型的特徵構造（2課時）
1. 訓練集和測試集的劃分
2. 特徵構造
a. 逾期類型特徵
b. 還款率類型特徵
c. 使用率類型特徵
d. 消費類型特徵
e. 其他類型特徵
3. 變量的分箱和WOE計算
第七課：行爲評分卡模型的特徵挑選（2課時）
1. IV的概念
2. 單變量分析
3. 多變量分析
4. 線性相關性
5. 多重共線性
第八課：行爲評分卡模型的邏輯迴歸模型（2課時）
1. 邏輯迴歸模型的基本概念
a. 什麼是邏輯迴歸
b. 邏輯迴歸中的參數估計
c. 邏輯迴歸的正則化：LASSO（L1約束） & Ridge（L2約束）
2. 用邏輯迴歸構造行爲評分卡模型
3. 從概率到分數
第九課：行爲評分卡模型的驗證、監控和調優（2課時）
1. 評分卡模型常用的評價指標
a. KS
b. AR
c. PSI
d. Kendal’s Tau
2. Assigned PD & Actual PD
3. 模型監控的概念
a. 模型監控的頻率
b. 模型監控的解讀
4. 模型的調優
第十課：組合評分卡模型（2課時）
1. 組合模型概述
2. 串行結構的評分組合模型
3. 異態並行結構的評分組合模型
4. 同態並行結構的評分組合模型
第一期：
課程大綱：
第一講：數據分析基本知識複習（2課時）
1. 數據分析的基本概念
a. 目的
b. 數據獲取和清理
c. 數據的描述性統計
2. 數據可視化
3. 數據分析的常用模型
a. 監督式模型：（廣義）線性迴歸，決策樹，隨機森林，支持向量機，神經網絡
b. 非監督式模型：聚類分析，因子分析，主成分分析
c. 半監督式模型
4. 數據分析的常用工具
a. R和Python
第二課：銀行內客戶流失預警模型的介紹（2課時）
1. 銀行客羣和產品的類別
2. 爲什麼要做客戶流失預警模型
3. 數據介紹和描述
第三課：金融客戶流失預警模型中的數據預處理和特徵衍生（2課時）
1. 流失數據中的極端值和缺失值的處理
2. 構建流失行爲的特徵
第四課：GBDT模型在流失預警模型中的應用（2課時）
1. GBDT模型如何應用在金融客戶流失預警模型中
2. 如何從客戶流失數據中推導GBDT模型的參數
3. GBDT模型對防範客戶流失的指導意義
第五課：神經網絡模型在流失預警模型中的應用（2課時）
1. 神經網絡模型如何應用在金融客戶流失預警模型中
2. 如何從客戶流失數據中推導神經網絡模型的參數
3. 神經網絡模型對防範客戶流失的指導意義
4. 神經網絡模型和GBDT模型在客戶流失預警工作中的功效比較
第六課：信用卡賬戶違約預測模型的介紹（2課時）
1. 信貸違約的基本概念
2. 爲什麼要做違約預測模型
3. 信貸違約預測模型的特性
4. 數據介紹和描述
5. 非平衡樣本問題的定義和解決方法
a. 過抽樣和欠抽樣
b. SMOTE算法
第七課：違約預測模型中的數據預處理和特徵衍生（2課時）
1. 構建信用風險類型的特徵
2. 特徵的分箱
a. 分箱的優點
b. Best-KS分箱法和卡方分箱法
3. 特徵信息度的計算
第八課：違約預測模型中的數據預處理和特徵衍生（續，2課時）
1. 分箱後如何編碼
a. WOE的概念、優點和計算
2. 信用風險中的單變量分析和多變量分析
第九課：邏輯迴歸模型在違約預測模型中的應用（2課時）
1. 邏輯迴歸在違約預測模型中的作用的概述
2. 降維的方法
a. 主成分法
3. 變量選擇的方法
a. LASSO方法
b. 逐步迴歸法
c. 隨機森林法
4. 帶誤判懲罰的邏輯迴歸模型
第十課：違約預測模型的評價標準（2課時）
1. 模型對違約與非違約人羣的區分度
2. 模型的準確度衡量：
a. 儘可能抓住足夠多的違約人羣
b. 儘可能不誤抓非違約人羣