Kredit
Credit Scoring & Underwriting-Systeme
Von Antragsdaten bis Auszahlung: robuste Pipelines, Erklärbarkeit und Risiko-Monitoring.
Format: 2 Wochen · live mit Trainer oder self-paced · Teilnahmezertifikat · Beispiele aus unseren Builds (Meras, Infinipi u. a.).
Lernziele
- Underwriting-Daten strukturieren: Bureau, Bank, alternative Signale
- Scoring-Modelle in eine Rules+ML-Decision-Engine einbinden
- Genehmigung, Pricing und Limits mit Audit-Trail definieren
- Drift, Genehmigungsquoten und Portfolioqualität messen
- Fairness-Tests und Dokumentation für regulierte Märkte (Überblick)
- Ausnahmequeues und Human-in-the-Loop betreiben
Lehrplan
Woche 1 — Daten, Features & Entscheidungen
- Underwriting-Architektur: Origination bis Servicing
- Feature Engineering und Feature-Store-Muster
- Bureau-Integrationen, Caching und Consent-Alignment
- Rules Engines vs. ML-Modelle: Kombinationen
- API-Verträge für synchrone und asynchrone Entscheidungen
- Explainability: Reason Codes und Adverse-Action-Grundlagen
- Datenqualität und PII in Pipelines
Woche 2 — Risiko, Monitoring & Governance
- Portfolio-Monitoring: Vintage-Kurven und Frühwarnsignale
- Modellrisiko: Validierung, Versionierung, Rollback
- Fair-Lending-Metriken und Disparate-Impact-Tests (Überblick)
- Fraud-Overlap: synthetische Identität, First-Party-Risiko
- Collections-Trigger und Hardship-Policies
- Reporting für Gremien und Aufsicht (Vorlagen)
- Übungen: Modellausfall und Policy-Hotfix
Tools & Stack
Python / SQL
Feature Stores
Airflow / Batch
MLflow-ähnliches Tracking
REST/gRPC
BI-Dashboards
Capstone
Policy-Spezifikation: Score-Bänder, Cutoffs, Override-Regeln, Monitoring-Wireframe.
Zielgruppe
Data/ML-Engineers, Risikoanalysten, Kredit-PMs.
Voraussetzungen
SQL und Basis-Statistik; ML-Grundlagen hilfreich.
Bewerbung für diesen Kurs
Gebühr $1,700 · 2 Wochen. Studierende erhalten 50% Rabatt mit Nachweis. Zahlungsinfos schicken wir per E-Mail nach Eingang.
Firmen- oder Gruppenplätze? Contact us. Weitere Kurse: alle Trainings.