Contattataci

Struttura del corso

Intelligenza Artificiale e rischio di credito: fondamenti e opportunità

  • Confronto tra modelli tradizionali e quelli basati su intelligenza artificiale per la valutazione del rischio creditizio
  • Principali sfide nella valutazione creditizia: pregiudizi, necessità di trasparenza e equità nei modelli
  • Studi di caso reali sull’applicazione dell’IA nell’erogazione del credito

Dati per la creazione di modelli di scoring creditizio

  • Tipologie di dati: transazionali, comportamentali e alternativi
  • Pulizia dei dati e costruzione delle feature utili alle decisioni creditizie
  • Gestione del problema dello squilibrio tra classi e della scarsità di dati nella previsione del rischio

Machine Learning per la creazione di modelli di scoring creditizio

  • Regressione logistica, alberi decisionali e foreste casuali
  • Tecniche di gradient boosting (LightGBM, XGBoost) per incrementare l’accuratezza dei modelli
  • Procedimenti di addestramento, validazione e ottimizzazione dei modelli

Flussi operativi creditizi assistiti dall’Intelligenza Artificiale

  • Automatizzazione della segmentazione dei richiedenti e della valutazione del rischio di credito
  • Ottimizzazione dei processi di analisi e approvazione dei prestiti mediante tecnologie IA
  • Determinazione dinamica dei prezzi e ottimizzazione dei tassi di interesse tramite machine learning

Interpretabilità dei modelli e sviluppo responsabile dell’Intelligenza Artificiale

  • Strumenti per spiegare le previsioni generate dai modelli: SHAP e LIME
  • Garantire equità nei modelli creditizi: rilevamento e riduzione dei pregiudizi algoritmici
  • Conformità alle normative vigenti (es. ECOA, GDPR)

Intelligenza Artificiale Generativa in contesti creditizi

  • Utilizzo dei modelli linguistici di grandi dimensioni per l’analisi delle domande e dei documenti presentati
  • Tecniche di prompt engineering finalizzate alla comunicazione con i richiedenti e all’estrazione di informazioni utili
  • Creazione di dati sintetici per effettuare test sui modelli sviluppati

Strategia e governance dell’uso dell’Intelligenza Artificiale nel settore creditizio

  • Sviluppare competenze interne in materia di IA oppure ricorrere a soluzioni esterne: vantaggi e svantaggi
  • Best practice per la gestione del ciclo vitale dei modelli e il rispetto delle norme di governance
  • Tendenze future: scoring creditizio in tempo reale, integrazione con i servizi bancari aperti

Riepilogo e prossimi passi da intraprendere

Requisiti

  • Conoscenza di base dei principi fondamentali del rischio di credito
  • Esperienza nell’analisi dei dati o nell’utilizzo di strumenti di business intelligence
  • Familiarità con Python, oppure disponibilità ad apprendere la sintassi base del linguaggio

Destinatari

  • Responsabili della concessione di prestiti
  • Analisti creditizi
  • Innovatori nel settore fintech
 14 ore

Numero di Partecipanti


Prezzo per partecipante

Recensioni (1)

Corsi in Arrivo

Categorie relative