Coursera – Credit Default Prediction with Python: Apply & Analyze 2025-9

در تاریخ: 1404/06/21 10:24:46

توضیحات

Credit Default Prediction with Python: Apply & Analyze، دوره آموزش پیش بینی نکول اعتباری با پایتون: اعمال و تجزیه و تحلیل توسط آکادمی Coursera منتشر شده است. این دوره سفری عملی به پیش بینی ریسک اعتباری با استفاده از پایتون با تمرکز بر رگرسیون لجستیک، درخت های تصمیم و روش های مجموعه ای ارائه می دهد. فراگیران با ترسیم گردش کار پروژه، وارد کردن داده ها و اعمال تکنیک های پیش پردازش داده مانند مدیریت مقادیر گمشده، کدگذاری ویژگی های دسته ای و مقیاس بندی متغیرهای عددی شروع خواهند کرد. از طریق تجزیه و تحلیل اکتشافی داده (EDA)، آنها الگوها و روابط داده را تفسیر خواهند کرد تا پایه های قوی تری برای مدل سازی بسازند.

با حرکت به سمت مدل سازی پیشرفته، فراگیران مدل ها را با استفاده از ماتریس های سردرگمی و منحنی های ROC ارزیابی خواهند کرد و دقت و قابلیت اطمینان در پیش بینی نکول ها را تضمین خواهند کرد. آنها مدل های رگرسیون لجستیک را از طریق روش های تنظیم فراپارامتر مانند جستجوی شبکه ای و جستجوی تصادفی بهینه سازی خواهند کرد. با گسترش بیشتر، دوره تئوری درخت تصمیم و مراحل کدنویسی عملی را معرفی می کند که با تجسم با استفاده از Graphviz برای قابلیت تفسیر تقویت شده است. در نهایت، فراگیران مدل های جنگل تصادفی را برای کاهش بیش برازش و بهبود عملکرد پیش بینی خواهند ساخت و تکنیک های یادگیری مجموعه ای را به مجموعه داده های اعتباری دنیای واقعی اعمال خواهند کرد. در پایان این دوره، فراگیران قادر خواهند بود مدل های پیش بینی را اعمال، تجزیه و تحلیل، ارزیابی و ساخت کنند که تصمیم گیری در مدیریت ریسک مالی را بهبود می بخشد.

آنچه خواهید آموخت

پیش پردازش مجموعه داده های مالی با استفاده از تکنیک های کدگذاری، مقیاس بندی و EDA.
ساخت و تنظیم مدل های رگرسیون لجستیک، درخت های تصمیم و جنگل تصادفی.
ارزیابی مدل های ریسک اعتباری با ماتریس های سردرگمی، منحنی های ROC و روش های مجموعه ای.