Služby pro skórovací modely
Platforma Reatarget sdružuje kurzy zaměřené na praktické nasazení strojového učení v úvěrovém hodnocení. Každý program je postaven na reálných datech a konkrétních postupech, které se používají v produkčním prostředí.
Příprava a čištění dat
Zpracování surových dat z úvěrových registrů, detekce odlehlých hodnot a imputace chybějících záznamů. Kurz pracuje s reálnými datovými sadami ve formátu CSV a Parquet.
Logistická regrese a WOE
Stavba tradičních skórovacích karet pomocí Weight of Evidence transformace a Information Value. Výstupem je interpretovatelný model vhodný pro regulatorní prostředí.
Gradientní boosting pro scoring
Praktické nasazení XGBoost a LightGBM na problematiku predikce defaultu. Zahrnuje ladění hyperparametrů, SHAP hodnoty a interpretaci výsledků pro business tým.
Validace a monitoring modelů
Gini koeficient, KS statistika, PSI index - jak sledovat degradaci modelu v čase a kdy přistoupit k přetrénování. Součástí jsou šablony pro pravidelné reporty.
Produkční nasazení v Pythonu
Od Jupyter notebooku k REST API. Kurz pokrývá serializaci modelů pomocí joblib, obalení Flask nebo FastAPI endpointem a základy CI/CD pipeline pro datové projekty.
Konzultace a přizpůsobení
Pro týmy, které potřebují obsah přizpůsobený konkrétnímu datovému prostředí nebo regulatorním požadavkům. Rozsah a formát se domlouvají individuálně.
Srovnání programů podle obsahu
Každý program cílí na jinou fázi práce se skórovacím modelem. Tabulka ukazuje, co konkrétně pokrývá - bez obecných slibů, jen konkrétní témata a nástroje.
| Téma | Základy | Pokročilý | Produkce |
|---|---|---|---|
| Příprava dat a EDA | |||
| WOE / logistická regrese | |||
| XGBoost / LightGBM | |||
| SHAP interpretace | |||
| Validace (Gini, KS, PSI) | |||
| REST API a nasazení | |||
| Monitoring v produkci |