در حال حاضر محصولی در سبد خرید شما وجود ندارد.
با مشاهده این کورس آموزشی از طریق انجام پروژه های واقعی و به زبانی بسیار ساده مطالب فراوانی را در رابطه با پایتون یاد می گیرید.
عنوان اصلی : Credit Risk Modeling in Python
1. معرفی:
رویکردهای بازل II- SA، F-IRB، و A-IRB - 365 Data Science
کفایت سرمایه، مقررات، و توافقنامه بازل II - 365 Data Science
انواع مختلف تسهیلات (طبقات دارایی) و رویکردهای مدلسازی ریسک اعتباری - 365 Data Science
زیان مورد انتظار (EL) و اجزای آن - PD، LGD و EAD - 365 Data Science
ریسک اعتباری چیست و چرا مهم است - 365 Data Science
10. مدل های LGD و EAD:
مدل های LGD و EAD - متغیرهای وابسته - 365 Data Science
مدل های LGD و EAD - توزیع نرخ های بازیابی و عوامل تبدیل اعتبار - 365 Data Science
مدل های LGD و EAD - متغیرهای مستقل - 365 Data Science
11. مدل LGD:
مدل LGD- ترکیب مرحله 1 و مرحله 2 - 365 Data Science
مدل LGD - تخمین دقت مدل - 365 Data Science
مدل LGD- تهیه ورودی ها - 365 Data Science
مدل LGD- صرفه جویی در مدل - 365 Data Science
مدل LGD - مرحله 2 - رگرسیون خطی - 365 Data Science
مدل LGD - مرحله 2 - ارزیابی رگرسیون خطی - 365 Data Science
مدل LGD- تست مدل - 365 Data Science
12. مدل EAD:
تخمین و تفسیر مدل EAD - 365 Data Science
اعتبار سنجی مدل EAD - 365 Data Science
13. محاسبه زیان مورد انتظار:
محاسبه ضرر مورد انتظار - 365 Data Science
2. تنظیم محیط کار:
نصب Anaconda - 365 Data Science
نصب بسته sklearn - 365 Data Science
داشبورد Jupyter - قسمت 1 - 365 Data Science
داشبورد Jupyter - قسمت 2 - 365 Data Science
راه اندازی محیط - لطفا رد نشوید! - 365 علم داده
چرا پایتون و چرا Jupyter - 365 Data Science
3. توضیحات مجموعه داده:
متغیرهای وابسته و متغیرهای مستقل - 365 علم داده
مثال ما - وام های مصرفی. اولین نگاه به مجموعه داده - 365 Data Science
4. پیش پردازش عمومی:
مقادیر از دست رفته را بررسی کنید و پاک کنید - 365 Data Science
وارد کردن داده ها به پایتون - 365 Data Science
پیش پردازش چند متغیر پیوسته - 365 Data Science
پیش پردازش چند متغیر گسسته - 365 Data Science
5. آماده سازی داده های مدل PD:
مدلسازی ریسک اعتباری - آماده سازی - 5-2
مدلسازی ریسک اعتباری - آماده سازی - با نظرات - 5-13
آماده سازی داده ها یک مثال - 365 Data Science
آماده سازی داده ها پیش پردازش متغیرهای پیوسته- خودکارسازی محاسبات - 365 علم داده
آماده سازی داده ها پیش پردازش متغیرهای پیوسته- ایجاد آدمک (قسمت 1) - 365 علم داده
آماده سازی داده ها پیش پردازش متغیرهای پیوسته- ایجاد آدمک (قسمت 2) - 365 علم داده
آماده سازی داده ها پیش پردازش متغیرهای پیوسته- ایجاد آدمک (قسمت 3) - 365 علم داده
آماده سازی داده ها پیش پردازش متغیرهای گسسته - خودکارسازی محاسبات - 365 Data Science
آماده سازی داده ها پیش پردازش متغیرهای گسسته - ایجاد آدمک (قسمت 1) - 365 علم داده
آماده سازی داده ها پیش پردازش متغیرهای گسسته - ایجاد ساختگی (قسمت 2) - 365 Data Science
آماده سازی داده ها پیش پردازش متغیرهای گسسته - تجسم نتایج - 365 علم داده
آماده سازی داده ها پیش پردازش مجموعه داده آزمایشی - 365 Data Science
آماده سازی داده ها تقسیم داده ها - 365 Data Science
متغیر وابسته - تعریف خوب_ بد (پیشفرض) - 365 علم داده
طبقه بندی دقیق، وزن شواهد، و طبقه بندی درشت - 365 Data Science
مدل PD چگونه به نظر می رسد - 365 Data Science
ارزش اطلاعات - 365 Data Science
6. تخمین مدل PD:
یک مدل رگرسیون لجستیک با مقادیر p بسازید. - 365 علم داده
تفسیر ضرایب در مدل PD - 365 Data Science
بارگیری داده ها و انتخاب ویژگی ها - 365 Data Science
برآورد مدل PD - 365 Data Science
مدل PD رگرسیون لجستیک با متغیرهای ساختگی - 365 علم داده
7. اعتبارسنجی مدل PD (تست):
ارزیابی عملکرد مدل - دقت و سطح زیر منحنی (AUC) - 365 Data Science
ارزیابی عملکرد مدل - جینی و کولموگروف - اسمیرنوف. - 365 علم داده
اعتبار سنجی خارج از نمونه (آزمون). - 365 علم داده
8. استفاده از مدل PD برای تصمیم گیری:
محاسبه امتیاز اعتباری - 365 Data Science
محاسبه احتمال پیشفرض برای یک مشتری - 365 Data Science
ایجاد کارت امتیازی - 365 Data Science
از امتیاز اعتباری تا PD - 365 Data Science
تنظیم برش - 365 Data Science
9. نظارت بر مدل PD:
پایش مدل PD از طریق ارزیابی ثبات جمعیت - 365 Data Science
شاخص پایداری جمعیت - محاسبه و تفسیر - 365 Data Science
شاخص پایداری جمعیت- پیش پردازش - 365 علم داده
Credit Risk Modeling in Python
در این روش نیاز به افزودن محصول به سبد خرید و تکمیل اطلاعات نیست و شما پس از وارد کردن ایمیل خود و طی کردن مراحل پرداخت لینک های دریافت محصولات را در ایمیل خود دریافت خواهید کرد.
اطلاع رسانی حذف دوره های قدیمی و تخفیفات نوروزی مشاهده