Visión general
De qué trata este proyecto.
Entrena modelos de scoring para PYMEs con 180.000 registros y compáralos. Recibe un certificado verificable.
El escenario
El banco gestiona una cartera viva de unos 12.000 millones de euros en crédito a PYMEs; una mejora de tres puntos en Gini sobre la cosecha actual implica decenas de millones de euros en pérdida esperada evitada al año.
El Briefing
Lo que harás y lo que demostrarás.
Construir un modelo de probabilidad de impago a doce meses para PYMEs que supere al cuadro logístico vigente en Gini out-of-time sin degradar la explicabilidad mínima exigida.
Earning criteria — what you'll demonstrate
- Aplicar técnicas modernas de Machine Learning a un problema regulado de crédito
- Diseñar validaciones out-of-time que eviten fuga temporal de información
- Calibrar probabilidades y traducirlas a decisiones de admisión
- Comunicar limitaciones del modelo a un comité no técnico de validación
Encaje académico
Dónde encaja esto en tus estudios.
Afina las mismas habilidades que tu titulación espera de ti.
Alineación con asignaturas próximamente.
Habilidades
Habilidades que demostrarás.
Cada una aparece en tu credencial verificada.
- Credit Risk Modeling
Apply credit risk modeling to solve real industry problems and demonstrate production-level capability.
- Gradient Boosting
Apply gradient boosting to solve real industry problems and demonstrate production-level capability.
- Model Validation
Apply model validation to solve real industry problems and demonstrate production-level capability.
- Python
Write clean, efficient Python for data processing, automation, and backend services.
- Feature Engineering
Apply feature engineering to solve real industry problems and demonstrate production-level capability.
- Model Explainability
Apply model explainability to solve real industry problems and demonstrate production-level capability.
Carreras
Roles para los que esto te prepara.
Títulos reales. Puentes de habilidades reales. Elige el que más se acerque a tu trayectoria.
Científico de Datos Aplicado a IA
Combinar validación rigurosa, calibración y memoria de modelo para un comité interno es exactamente el trabajo de un científico aplicado dentro del área de modelos de un banco.
Este proyecto afina
- credit-risk-modeling
- model-validation
- model-explainability
Científico de Datos
El recorrido completo desde datos crudos hasta un modelo evaluado honestamente con explicabilidad es la base del músculo diario de un Data Scientist en banca o fintech.
Este proyecto afina
- feature-engineering
- gradient-boosting
- model-validation
Ingeniero de Machine Learning
Productivizar el notebook sería el siguiente paso natural; el pipeline reproducible y el plan de monitorización son los artefactos que un MLE entrega al equipo de riesgo de modelo.
Este proyecto afina
- python
- gradient-boosting
- model-validation