Score de Crédito 2.0: Modelagem com Machine Learning e Big Data (96h)

Sobre o curso

Módulo 1: Do Tradicional ao Score de Crédito 2.0 com Big Data
- Prática: Comparação entre modelos tradicionais (como o FICO) e a integração de “soft data”, analisando rastros digitais, dados de redes sociais e uso de aplicativos de smartphone.
Módulo 2: Stack Tecnológico e Preparação de Dados
- Tecnologias: Python, SQL, bibliotecas como Scikit-learn e computação em nuvem.
- Prática: Limpeza de dados e preenchimento de valores ausentes utilizando métodos como o K-Nearest Neighbors (KNN).
Módulo 3: Engenharia de Recursos (Feature Engineering) e AutoML
- Tecnologias: Deep Feature Synthesis (DFS) e plataformas de AutoML.
- Prática: Geração automatizada de novos atributos a partir de bancos de dados relacionais para aumentar a precisão na detecção de fraudes e riscos.
Módulo 4: Modelagem Preditiva com Algoritmos Avançados
- Tecnologias: Gradient Boosting Decision Trees (GBDT), LightGBM, XGBoost e Redes Neurais.
- Prática: Construção de um modelo preditivo combinando variáveis financeiras e não financeiras (tempo de relacionamento, histórico de recusas), inspirado no caso real do Banco BS2.
Módulo 5: IA Explicável (XAI) e Conformidade Regulatória
- Tecnologias: Frameworks SHAP e LIME.
- Prática: Interpretação das decisões do modelo (explicando por que um crédito foi negado com base na idade ou saldo da conta) para garantir transparência e adequação a leis como a GDPR.

Sem avaliações ainda