Última chance! Formação ilimitada com 50% de desconto
A promoção termina em
Descrição do curso
Neste curso prático, usando dados reais de crédito, você vai aprender a modelar risco de crédito aplicando regressão logística e árvores de decisão em R. Modelar o risco de crédito para empréstimos pessoais e corporativos é fundamental para os bancos. A probabilidade de um devedor entrar em inadimplência é um elemento-chave para medir o risco de crédito. Embora outros modelos também sejam apresentados, você vai aprender sobre dois tipos muito usados em credit scoring: regressão logística e árvores de decisão. Você vai ver como aplicá-los nesse contexto específico e como os bancos avaliam esses modelos.
Pré-requisitos
Programa de estudos
Descrição do curso
1
Introdução e pré-processamento de dados
Este capítulo começa com uma introdução geral aos modelos de risco de crédito. Vamos explorar um conjunto de dados real e, em seguida, fazer o pré-processamento para deixá-lo no formato adequado antes de aplicar os modelos de risco de crédito.
- Introdução e estrutura dos dados50 XP
- Explorando os dados de crédito100 XP
- Interpretando um CrossTable()50 XP
- Histogramas e outliers50 XP
- Histogramas100 XP
- Outliers100 XP
- Dados ausentes e classificação grosseira50 XP
- Excluindo dados ausentes100 XP
- Substituindo dados ausentes100 XP
- Mantendo dados ausentes100 XP
- Divisão de dados e matrizes de confusão50 XP
- Dividindo o conjunto de dados100 XP
- Criando uma matriz de confusão100 XP
2
Regressão logística
A regressão logística ainda é um método amplamente usado na modelagem de risco de crédito. Neste capítulo, você vai aprender a aplicar modelos de regressão logística em dados de crédito no R.
3
Árvores de decisão
Árvores de classificação são outro método popular no universo da modelagem de risco de crédito. Neste capítulo, você vai aprender a construir árvores de classificação usando dados de crédito no R.
4
Avaliando um modelo de risco de crédito
Neste capítulo, você vai aprender como avaliar e comparar os resultados obtidos com vários modelos de risco de crédito.
R
Modelagem de Risco de Crédito em R
Curso
concluído
