Xây dựng mô hình đánh giá rủi ro tín dụng sử dụng XGBoost, LightGBM. Học về imbalanced data, WOE encoding và SHAP interpretability.
4 giờ
Thời gian
8
Bài học
178
Học viên
4.7
Đánh giá
Xây dựng mô hình đánh giá rủi ro tín dụng
Xử lý imbalanced data trong bài toán classification
Áp dụng WOE encoding cho feature engineering
Huấn luyện XGBoost và LightGBM cho credit scoring
Giải thích mô hình với SHAP interpretability
8 bài học • Ước tính hoàn thành trong 2-3 ngày
0/8
Hoàn thành
Sẵn sàng bắt đầu?
Học theo trình tự từ bài 1

AI & Data Science Educator
Đội ngũ giảng viên MinAI với kinh nghiệm thực tế trong lĩnh vực AI, Machine Learning và Data Science. Chúng tôi cam kết mang đến nội dung chất lượng và hỗ trợ học viên tận tình.
Pandas, NumPy
Classification, model evaluation
💡 Gợi ý: Hoàn thành các yêu cầu trên để có trải nghiệm học tập tốt nhất. Bạn vẫn có thể bắt đầu dự án, nhưng một số khái niệm có thể khó hiểu hơn.
Tham gia cùng 178+ học viên đã hoàn thành dự án này và nâng cao kỹ năng của bạn ngay hôm nay.
Bắt đầu ngay miễn phí0 câu hỏi
Hãy là người đầu tiên đặt câu hỏi về dự án này!