Kdo stojí za Reatarget
Scoring modely jako specializace, ne jako doplněk
Reatarget vznikl v roce 2024 z jednoduché frustrace: kurzy strojového učení se věnují obecným konceptům, ale málokterý se soustředí na to, jak modely fungují v praxi kreditního scoringu, pojišťovnictví nebo fraudové detekce.
Scoring modely mají specifická pravidla - regulatorní požadavky na interpretovatelnost, nutnost auditovatelnosti, práce s nevyváženými daty. Obecné ML kurzy tato témata buď přeskakují, nebo je zmiňují okrajově. Reatarget je staví do středu každého kurzu.
Vzdělávací obsah tvoříme ve spolupráci s odborníky, kteří scoring modely skutečně nasazují v produkčním prostředí. Každý výukový modul prochází technickou recenzí a je testován na reálných datových sadách, nikoli na učebnicových příkladech.
prohlédnout programLidé, kteří kurzy tvoří
Radovan Beneš
Vedoucí výuky MLDeset let pracoval jako datový vědec v bankovním sektoru, kde navrhoval a validoval scoring modely pro retailové úvěry. Do Reatargetu přinesl znalost regulatorního prostředí i praktické zkušenosti s nasazením modelů v produkci.
Věra Nováčková
Specialistka na XAIZaměřuje se na interpretovatelné modely a vysvětlitelnou umělou inteligenci v kontextu finančních institucí. Vyučuje techniky jako SHAP, LIME a logistickou regresi s důrazem na regulatorní soulad.
Ondřej Šimánek
Inženýr datových pipelinePřipravuje datové sady a výukové prostředí pro každý kurz. Stará se o to, aby studenti pracovali s realistickými daty - včetně chybějících hodnot, nevyvážených tříd a datových anomálií.
Lucie Fišerová
Kurátorka obsahuKoordinuje strukturu výukových materiálů a zajišťuje, že každý modul navazuje logicky na předchozí. Spolupracuje s externími recenzenty z pojišťovnictví a leasingového sektoru.
Tři principy, které vedou každý kurz
Scoring modely nejsou jen technický problém - jsou to nástroje s přímým dopadem na finanční rozhodování lidí. Každý kurz na Reatarget proto respektuje tři základní principy.
Auditovatelnost na prvním místě
Modely nasazené ve finančních institucích musí být vysvětlitelné regulátorům i zákazníkům. Kurzy učí navrhovat modely tak, aby každé rozhodnutí šlo doložit a obhájit.
Práce s reálnými daty
Každý kurz používá datové sady odvozené z reálných scénářů - nevyvážené třídy, chybějící hodnoty, časové posuny distribuce. Žádné učebnicové datasety bez kontextu.
Technická recenze obsahu
Každý výukový modul prochází recenzí odborníka z praxe před zveřejněním. Chyby v metodologii nebo zastaralé přístupy se do kurzů nedostanou.
Scoring v praxi
Analýza dat
Výukové prostředí