강의계획서
실제 신용평가 데이터를 활용하여 머신러닝 모델(스코어카드, LightGBM 등)을 직접 설계하고, 변수 처리부터 등급화 전략, 컷오프 시뮬레이션까지 실무 전 과정을 경험하는 프로젝트형 강의를 진행합니다.
[어떤 것을 배우나요?]
•
실무형 신용평가 모델 구조 이해: CSS 스코어카드와 앙상블 모델 등 실무에서 쓰이는 모델 구조를 학습하고 직접 구축합니다.
•
고급 데이터 전처리 및 전략 설계: WoE/IV 기반의 변수 처리 기술과 등급화·컷오프 전략을 실무적인 관점에서 설계합니다.
•
전 과정 프로젝트 수행: 데이터 선택부터 최종 지표 확인, 발표까지 팀 프로젝트를 통해 실무 역량을 확보합니다.
어떤 사람에게 추천하나요?
[이런 분을 추천합니다]
•
실제 금융권 데이터를 활용해 신용평가 모델링의 A to Z를 경험해보고 싶은 분
•
단순한 모델링을 넘어 등급 설계 및 승인율 시뮬레이션 등 비즈니스 전략까지 도출해보고 싶은 분
•
협업 프로젝트를 통해 데이터 사이언티스트로서의 포트폴리오를 완성하고 싶은 분
신청 전 확인하기!
본 강의는 실제 데이터와 코드 구현 위주의 프로젝트 과정으로, 원활한 수강을 위해 아래 역량이 필요합니다.
• Python 활용 능력: pandas, sklearn 라이브러리를 활용할 수 있는 수준
• 머신러닝 기초: 분류 모델, 학습 및 평가 개념에 대한 이해
• 통계 기초: 기본적인 통계 지식 보유
커리큘럼
1주차 | 프로젝트 킥오프 및 신용평가 도메인 이해 – 신용평가 모델 개요, 실무 자료(KS, Gini, AUC, PSI) 스터디, 팀 구성 |
2주차 | CSS 모델 기초 및 베이스라인 구축 – WoE/IV 이론, 데이터셋 확정, 베이스라인 로지스틱 회귀 모델 구축 |
3주차 | 피처 엔지니어링 및 모델 비교 – 외부 변수 추가, LightGBM·XGBoost 모델 구축 및 성능 비교(AUC, KS, Gini) |
4주차 | 등급화 전략 및 컷오프 시뮬레이션 – PDO 기반 점수 스케일링, 구간별 부도율 기반 등급(A~E) 설계, 승인율 시뮬레이션 |
5주차 | 실무 전략 및 최종 성능 확인 – PSI 모니터링, SHAP 변수 기여도 시각화, 전체 파이프라인 최종 지표 비교 |
6주차 | 팀별 최종 발표 및 종합 피드백 – 프로젝트 최종 발표 및 실무 관점의 강사 피드백 |