风险管理是金融活动的核心。党中央和国务院高度重视防范金融风险，维护金融稳定。信贷资产在全国金融机构总资产中的比重超过一半。对各种类型的公司贷款、住房贷款、消费贷款、经营贷款的风险管理显得尤为重要。与定性分析为主的传统风控相比，智能风控秉持“数据驱动、智能决策”的理念，利用自动化风控系统缩短流程，减少处理时间，在提升效率的同时降低对客户的要求，提高客户服务体验。目前，智能风控已在身份验证、精准获客、贷前审批、贷中管理、贷后催收等多个环节发挥巨大作用，极大改变了传统风控信息不对称、运营成本高、处理速度慢、决策不准确的刻板印象。《智能风控》是强调对大数据和机器学习运用的风险管理课程，本视频课程精选授课内容，简明扼要地讲解智能风控管理的定义，发展历史，智能风控模型的开发流程，评分卡建模的基本概念，重点讲解数据处理、特征工程、经典模型和模型评价，并从监管的角度概括风控的意义，让同学们充分了解智能风控核心技术、产品与服务的重要价值，理解并掌握风控建模的技能，把握金融风险管理发展新趋势。
本课程分为七个模块：第一模块是智能风险管理概述，主要讲解智能风险管理的定义及发展，风控建模流程以及信用评分的含义和原理等。第二模块是评分卡的基本概念介绍，例如好坏样本定义，何为信用分数，信息比率的定义。第三模块是数据管理和特征工程的相关内容，包括数据清洗，样本分类，数据变换，特征筛选等。第四模块是智能风控模型介绍，包括了经典的朴素贝叶斯，判别分析，逻辑回归模型，决策树模型，也涉及了典型集成学习算法如随机森林模型，提升法模型。第五模块是模型评价，如混淆矩阵，ROC曲线，基尼系数与KS距离。第六模块是Python案例，采用真实信贷数据构建评分卡模型。第七模块是模型的校准和监管，包括分数缩放与校准，信用评分与监管等。
课程共七章，总计21个授课视频，总时长约200分钟；计划开课12周，每周三学时，具体章节如下：
1. 智能风险管理概述
1.1 智能风控的发展
1.2 风控建模流程
1.3 信用评分的基础
2.评分卡基本概念
2.1 好坏定义与信用分数
2.2 信息比率
3.数据管理与特征工程
3.1 数据清洗
3.2 粗细分类
3.3 数据变换
3.4 特征筛选
4.智能风控模型
4.1 朴素贝叶斯
4.2 判别分析
4.3 逻辑回归
4.4 决策树模型
4.5 随机森林
5.模型评价
5.1 混淆矩阵
5.2 ROC曲线
5.3 基尼系数与KS距离
6.校准与监管
6.1 分数缩放与校准
6.2 信用评分与监管
7.Python案例
7.1 Python实例讲解
