Credit Scoring Modeling

Topic outline

• General
  

  General
• Deskripsi Kelas

  
  20 Jam Credit Scoring Modeling

  ---

  Kelas Data Science Credit Scoring Modeling merupakan kelas online business case yang ditujukan untuk para data scientist setelah menyelesaikan kelas DS Foundation. Di kelas ini peserta diajarkan business case bagi industri perbankan/fintech yang ingin membuat model  untuk memilih kustomer yang layak diberikan pinjaman kredit.

  
  

  Setelah mengikuti kelas ini peserta diharapkan dapat :

  • Membuat model perkreditan sehingga mereka tidak perlu tergantung pada software/konsultan.
  • Menjadi data scientist yang dapat memberikan kontribusi langsung terhadap tim manajemen risiko kredit.

  Expert

  
  

  
  

  
  

  Indra Lukas Tjahaja

  CFA charterholder dan memiliki sertifikat Manajemen Risiko (FRM). 
  

  Pengalaman lebih dari 10 tahun di lembaga keuangan dan startup, dari produk dengan fokus Retail hingga Corporate.

  
  

  
  

  
  

  Insan Ramadhan
  

  Data Scientist / Modeler, dengan banyak pengalaman dalam pembuatan model di lembaga keuangan, dari mulai asuransi hingga fintech.
  

  
  

  

  
  

  Rifan Kurnia

  Data Scientist dengan pengalaman dari lembage keuangan hingga e-commerce. Saat ini mengepalai tim Data Scientist untuk salah satu lembaga e-commerce terbesar di Indonesia.
  

  
  
• Topik 1.1 : Selamat Datang di Kelas Credit Scoring

  Pages: 3Quiz: 1
• Topik 1.2 : Quick MBA for Bankers

  Pages: 4Quizzes: 2
• Topik 1.3: Pinjaman Kartu Kredit

  Pages: 3Quizzes: 2
• Topik 1.4: Manajemen Risiko Kredit

  Pages: 4Quizzes: 2
• Topik 1.5: Penutupan Bagian I

  Quizzes: 2Pages: 2File: 1
• Topik 2.1: Persiapan Python

  Page: 1Files: 4
• Topik 2.2: Mencari Nilai Kosong (Missing Value)

  Pages: 2Quiz: 1
• Topik 2.3: Data Eksplorasi

  Files: 3Quizzes: 2
• Topik 2.4: Data Visualisasi #1

  File: 1Quiz: 1
• Topik 2.5: Data Visualisasi #2

  Pages: 3Files: 4Quiz: 1
• Topik 2.6: Analisa Statistik #1

  Pages: 3Quizzes: 2
• Topik 2.7: Analisa Statistik #2

  Files: 2Quizzes: 2Page: 1
• Topik 2.8: Analisa Statistik #3

  Page: 1File: 1
• Topik 2.9: Penutupan Bagian II

  Pages: 2File: 1Assignment: 1
• Topik 3.1: Pembukaan dan Persiapan untuk Data Preparation

  Page: 1Files: 2
• Topik 3.2: Feature Engineering

  Page: 1Quizzes: 2File: 1
• Topik 3.3: One-hot Encoding

  Page: 1Files: 2
• Topik 3.4: Imbalance Data Set

  Page: 1File: 1
• Topik 3.5: Scaling, Split Training dan Testing Data Set

  Page: 1Files: 2
• Topik 3.6: Penutupan Bagian III

  Page: 1Assignment: 1
• Topik 4.1: Modeling

  Page: 1
• Topik 4.2: Model Logistic Regression

  Page: 1Files: 2Quiz: 1
• Topik 4.3: Model Decision Tree

  Page: 1Files: 3Quiz: 1
• Topik 4.4: Model Random Forest

  Page: 1Files: 3Quiz: 1
• Topik 4.5: Model xGB

  Page: 1Files: 6
• Topik 4.6: Model Scorecard with Logistic Regression

  Pages: 4Files: 3Quiz: 1
• Topik 4.7: Penutupan Bagian IV

  Page: 1
• Topik 5.1: Evaluasi dan Implementasi Model

  Page: 1File: 1
• Topik 5.2: Confusion Matrix

  Page: 1File: 1
• Topik 5.3: Classification

  File: 1Quiz: 1
• Topik 5.4: Gain and Lift Chart

  Page: 1File: 1Quiz: 1
• Topik 5.5: Kolmogorov-Smimov

  File: 1
• Topik 5.6: AUC-ROC dan Gini Cofficient

  Page: 1File: 1Quiz: 1
• Topik 5.7: Summary dan Tugas Akhir

  Page: 1Assignment: 1