西北大學博士科研課題

機器學習、深度學習算法在預測信用卡違規風險的應用

課題簡介

機器學習、深度學習算法在預測信用卡違規風險的應用

Machine Learning and Deep Learning Algorithms in Default of Credit Card Prediction

關于信用卡還款違約的預測的大量研究已經廣泛應用了數據挖掘與人工智能技術，從而能從金融數據庫中自動發現有價值的規律。

在信用卡公司、保險公司的實際的風險評估過程中，還款違約預測的能力被視為一項極其重要的任務，因為專家的決策預測了公司是否能夠從中獲益。

近些年來廣泛應用的機器學習、深度學習算法 (machine learning, deep learning algorithms) 則能從海量數據中得出一般性的普遍規律，并基于此提前預測該公司是否存在破產的可能性。

世界上知名銀行的信用卡分部（如American Express, JP Morgan, Bank of America）都廣泛使用各種高級的機器學習、深度學習算法，取得了相當好的收益。

本課題將通過深度學習、機器學習算法，預測個人在將來還款時是否存在違約可能。研究者將掌握系統的使用數學工具和計算機編程工具的能力。

科研流程

課程模塊一：預備課程?

在教學過程正式開始前，有方學者會根據學生的具體情況提供數學、統計、英語學術論文寫作等預備課程。

課程模塊二：科研輔導?

來自美國頂尖人工智能的機器學習科研團隊將在有方學者團隊的配合下，進行8-12周的科研輔導：

微積分、線性代數和概率統計入門；

學習 Python編程語言和相關的庫numpy, pandas, scikit-learn, matplotlib；

學習探索性數據分析（Explorative data analysis），并通過統計方法和可視化對金融數據進行分析

學習回歸分析(regression)，對金融數據進行社交媒體效應的評估

學習幾種重要的自然語言處理和機器學習算法，提出初步的金融數據輿情情感分析；

課題驗收需要學生完成英文學術論文的寫作，并向科研團隊進行答辯。

指導速度可能因實際教學情況而異

課程模塊三：論文寫作&發表?

在科研輔導結束后

項目導師將輔導學生完成論文寫作

協助學生完成論文在英文學術期刊上正式發表。

整個科研教學流程中，每一位學員都將有學術督導協助保障研究階段性作業和論文的進度，確保取得研究成果。

---

課題要求

本課題適合： 9-12 年級學生，有較強的邏輯思維和抽象思維能力

本項目適合適合申請STEM專業方向：計算機、數學等相關專業的學生。

有一定的英語閱讀和寫作能力

有較強的邏輯思維和抽象思維能力

專業領域的零基礎學生，我們會提供相關的學術知識培訓。

以上就是關于【西北大學博士科研課題：機器學習、深度學習算法在預測信用卡違規風險的應用】的解答，如需了解學校/賽事/課程動態，可至翰林教育官網獲取更多信息。

往期文章閱讀推薦：

貝賽思進度太快怕掉隊？翰林校內同步班課重磅推出，長期小班穩節奏

從羅馬帝國到新冠先驅：TCR 歷史期刊收錄主題揭秘，為什么這項投稿值得深耕？