Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Temario del curso
IA en el riesgo de crédito: Fundamentos y oportunidades
- Modelos de riesgo de crédito tradicionales vs. potenciados con IA.
- Desafíos en la evaluación crediticia: sesgo, explicabilidad y equidad.
- Estudios de casos reales de IA en el otorgamiento de préstamos.
Datos para modelos de scoring de crédito
- Fuentes: datos transaccionales, conductuales y alternativos.
- Limpieza de datos y ingeniería de características para decisiones de crédito.
- Manejo del desequilibrio de clases y la escasez de datos en la predicción de riesgos.
Machine learning para el scoring de crédito
- Regresión logística, árboles de decisión y bosques aleatorios (random forests).
- Gradient boosting (LightGBM, XGBoost) para la precisión del scoring.
- Técnicas de entrenamiento, validación y ajuste de modelos (tuning).
Flujos de trabajo de crédito impulsados por IA
- Automatización de la segmentación de prestatarios y la evaluación de riesgos de préstamos.
- Procesos de evaluación crediticia (underwriting) y aprobación potenciados con IA.
- Precios dinámicos y optimización de tasas de interés utilizando machine learning.
Interpretabilidad de modelos e IA responsable
- Explicación de predicciones con SHAP y LIME.
- Equidad en modelos de crédito: detección y mitigación de sesgos.
- Cumplimiento de marcos regulatorios (p. ej., ECOA, GDPR).
IA generativa en escenarios de crédito
- Uso de LLMs para la revisión de solicitudes y el análisis de documentos.
- Ingeniería de prompts para la comunicación con prestatarios y la generación de información.
- Generación de datos sintéticos para la prueba de modelos.
Estrategia y gobernanza para la IA en el crédito
- Construcción de capacidades internas de IA frente a soluciones externas.
- Gestión del ciclo de vida de los modelos y mejores prácticas de gobernanza.
- Tendencias futuras: scoring de crédito en tiempo real e integración con banca abierta (open banking).
Resumen y próximos pasos
Requerimientos
- Conocimiento de los fundamentos del riesgo de crédito.
- Experiencia en el análisis de datos o en herramientas de inteligencia de negocios.
- Familiaridad con Python o disposición para aprender la sintaxis básica.
Audiencia objetivo
- Gerentes de crédito.
- Analistas de crédito.
- Innovadores del sector fintech.
14 Horas
Reseñas (1)
Ya cuento con algunos informes que conozco; utilizaré algunas de las indicaciones que revisamos hoy.
Kelly Cotham
Curso - Copilot for Finance and Accounting Professionals
Traducción Automática
