Kreditrisiko-Scoring fuer einen regionalen Kreditgeber
Übersicht
Worum es bei diesem Projekt geht.
Du erhaeltst eine CSV mit 35 000 abgeschlossenen Kreditfaellen aus 2018-2024: Antragsmerkmale (Alter, Beschaeftigungsdauer, beantragte Hoehe, Laufzeit, Zweck), externe Bonitaetspunktzahl, und das Ergebnis (vollstaendig zurueckgezahlt vs. Ausfall). Trainiere eine Logistische Regression und einen Random Forest, vergleiche beide auf Out-of-Time-Daten (das letzte Jahr ist Testsatz). Berichte Precision/Recall bei der Schwelle, an der die Genossenschaft heute pro Jahr 1 200 Kredite ablehnt — und wieviele Ausfaelle das Modell auf diesem Niveau einspart. Liefere eine 1-seitige Empfehlung an den Vorstand plus eine Karte zu fairness-relevanten Merkmalen (Geschlecht, Postleitzahl) und wie das Modell sie behandelt.
Das Briefing
Was Du tust und was Du zeigst.
Senke das jaehrliche Ausfallvolumen, ohne die Annahmequote zu druecken — und dokumentiere, dass das Modell keine geschuetzten Merkmale missbraucht.
Earning criteria — what you'll demonstrate
- Out-of-Time-Validierung von einer naiven Zufallsaufteilung unterscheiden und richtig anwenden
- Klassifikations-Schwellwerte an einer geschaeftlichen Kapazitaet ausrichten
- Eine Logistische Regression als gut interpretierbare Basislinie verteidigen
- Faire ML-Praxis (Pruefung auf geschuetzte Merkmale) als Hygienefrage behandeln, nicht als Add-on
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Fähigkeiten
Fähigkeiten, die Du unter Beweis stellst.
Jede taucht auf Deinem verifizierten Zertifikat auf.
Karrieren
Berufe, auf die dies Dich vorbereitet.
Echte Berufsbezeichnungen. Echte Skill-Brücken. Wähle die, die Deinem Werdegang am nächsten kommt.
Karrierewege, die das aufbaut
Kanonische RollenData Scientist
Out-of-Time-Validierung, geschaeftsorientierte Schwellwerte und eine Fairness-Pruefung zu liefern unterscheidet eine ernstzunehmende Data-Scientist:in im Finanzsektor von einer Notebook-Bastlerin.
Dieses Projekt schärft
- supervised-learning
- model-evaluation
- fairness-evaluation
Applied AI Scientist
Ein Modell so gegen eine konkrete operative Schwelle zu evaluieren, dass der Vorstand entscheiden kann, ist die typische Uebersetzungsleistung angewandter KI-Arbeit.
Dieses Projekt schärft
- model-evaluation
- feature-engineering
- supervised-learning
AI Safety Researcher
Gruppen-Fairness in einer realen Kreditanwendung zu pruefen und Risiken sauber zu benennen ist eine direkte Aufgabe junger AI-Safety-Forscher:innen in regulierten Branchen.
Dieses Projekt schärft
- fairness-evaluation
- model-evaluation
- python
Noch eine Sache