Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Temario del curso
IA en riesgo de crédito: Fundamentos y oportunidades
- Modelos tradicionales de riesgo crediticio versus modelos basados en IA
- Desafíos en la evaluación crediticia: sesgo, explicabilidad y equidad
- Estudios de casos reales de IA en el otorgamiento de créditos
Datos para modelos de scoring crediticio
- Fuentes: datos transaccionales, conductuales y alternativos
- Limpieza de datos e ingeniería de características para decisiones de crédito
- Manejo del desequilibrio de clases y la escasez de datos en la predicción de riesgos
Aprendizaje automático para scoring crediticio
- Regresión logística, árboles de decisión y bosques aleatorios
- Aumento de gradiente (LightGBM, XGBoost) para la precisión del scoring
- Técnicas de entrenamiento, validación y ajuste de modelos
Flujos de trabajo de crédito impulsados por IA
- Automatización de la segmentación de prestatarios y evaluación del riesgo de préstamos
- Procesos de contratación y aprobación mejorados con IA
- Precificación dinámica y optimización de tasas de interés utilizando ML
Interpretabilidad de modelos e IA responsable
- Explicación de predicciones con SHAP y LIME
- Equidad en modelos de crédito: detección y mitigación de sesgos
- Cumplimiento de marcos regulatorios (p. ej., ECOA, GDPR)
IA generativa en escenarios de crédito
- Uso de LLMs para la revisión de solicitudes y el análisis de documentos
- Ingeniería de prompts para la comunicación con prestatarios y la generación de información valiosa
- Generación de datos sintéticos para la prueba de modelos
Estrategia y gobernanza de la IA en crédito
- Construcción de capacidades internas de IA frente a soluciones externas
- Gestión del ciclo de vida del modelo y mejores prácticas de gobernanza
- Tendencias futuras: scoring crediticio en tiempo real, integración con open banking
Resumen y próximos pasos
Requerimientos
- Comprensión de los fundamentos del riesgo crediticio.
- Experiencia con herramientas de análisis de datos o inteligencia de negocios.
- Familiaridad con Python o disposición para aprender la sintaxis básica.
Audiencia
- Gerentes de créditos.
- Analistas de crédito.
- Innovadores de Fintech.
14 Horas
Reseñas (1)
Ya cuento con algunos informes que conozco; utilizaré algunas de las indicaciones que revisamos hoy.
Kelly Cotham
Curso - Copilot for Finance and Accounting Professionals
Traducción Automática
