Zlecenia dla freelancerów

Zlecenia dla freelancerów

Opracowanie i szkolenie modelu scoringu kredytowego dla firmy finansowej

Bazy danych i SQL, Python — podano nieprawidłowe kategorie?

Zlecenie jest tłumaczone automatycznie. Zaloguj się lub zarejestruj się, żeby zobaczyć oryginał

1. Cel projektu

Opracować model oceny kredytowej do prognozowania zdolności płatniczej klientów z trzema klasami celu:

spłata w ciągu 30 dni;
spłata w ciągu 60 dni;
niewypłacalność.

2. Dane wyjściowe

Dane z wniosków kredytowych, ankiet klientów oraz BIK.
Dostęp do danych przez zapytania PostgreSQL.
Obowiązkowo: uwzględnić dane finansowe BIK.
Nie używać: wskaźników scoringowych BIK z powodu wysokiej korelacji z celem.

3. Cel i wymagania dotyczące modelu

Cel: 3 klasy (30_days_paid, 60_days_paid, default).
Model: AutoGluon (Python).
Minimalna dokładność: 70% (dla klasyfikacji binarnej).
Metryka optymalizacyjna: macro F1-score (dla trzech klas).
Model musi wspierać klasyfikację binarną i trójklasową.

4. Wymagania biznesowe

Model musi uwzględniać różne kategorie klientów i pomagać w podejmowaniu decyzji dotyczących zatwierdzania wniosków z uwzględnieniem dopuszczalnego poziomu ryzyka:

Dla nowych klientów: oczekiwany poziom zatwierdzenia wniosków — około 8%, przy maksymalnym dopuszczalnym poziomie niewypłacalności — do 30%.
Dla powracających klientów: oczekiwany poziom zatwierdzenia wniosków — około 45%, z maksymalnym dopuszczalnym poziomem niewypłacalności — do 10%.

Takie wskaźniki powinny być punktem odniesienia do dostosowania modelu i oceny jego efektywności w rzeczywistych warunkach biznesowych.

5. Wymagania techniczne

Model musi wspierać aktualizacje / dalsze uczenie.
Podaj metryki: accuracy, precision, recall, F1-score, ROC-AUC.
Walidacja: stratified k-fold (k ≥ 5).
Obowiązkowo dostarczyć:
- ważność cech,
- zapytania SQL do tworzenia zbioru danych,
- opis cech,
- instrukcję do dalszego uczenia (retrain).

6. Oczekiwane wyniki

Plik modelu (.pkl lub .model).
Zapytania SQL do tworzenia zbioru danych.
Raport z metrykami, analizą i wykresami wyników.
Instrukcja dotycząca wdrożenia i dalszego uczenia modelu

Termin wykonania do 14 dni kalendarzowych od momentu udostępnienia dostępu do bazy danych

Oferty 4

Konstantin Kuzmichev

0 0

Zlecenia -
Ocena -
Ranking 164

Budżet: 27000 UAH Termin: 10 dni

Mam 20 lat doświadczenia w rozwoju. Opracowywałem różne systemy, w tym prognozowanie. Pracowałem z różnymi modelami: LSTM, RandomForest, XGBoost, MLP i innymi. Mam doświadczenie w rozwoju w dużych projektach z dużymi zbiorami danych (Deutsche Bank i Oracle Field Service Cloud). Będę wdzięczny za omówienie szczegółów.

Illia Antipiev

63 2

Budżet: 6000 UAH Termin: 10 dni

Witam
Jestem gotów zrealizować Twój projekt
Mogę rozważyć różne typy modeli (drzewo, MLP, klasteryzacja) i wybrać najlepszy
Przekażę kod do przetrenowania i raport dotyczący pracy

Roman Z.

7 0

Budżet: 1000 UAH Termin: 1 dzień

Dzień dobry!
Nazywam się Roman i jestem w czołowej piątce deweloperów w kategorii „Sztuczna inteligencja i uczenie maszynowe” wśród ~1600 specjalistów na platformie.
Gwarantuję:
- Szybką i wysoką jakość wykonania zadania
- Ścisłe przestrzeganie terminów
- Regularny kontakt przez cały proces
Będę zadowolony, aby omówić szczegóły twojego projektu w prywatnych wiadomościach.

Yaroslava Morshna
Kijów, Ukraina
Compassway

Zleceń 31
Ocena 5.0
Ranking 1 588

Opracowanie i szkolenie modelu scoringu kredytowego dla firmy finansowej

1. Cel projektu

2. Dane wyjściowe

3. Cel i wymagania dotyczące modelu

4. Wymagania biznesowe

5. Wymagania techniczne

6. Oczekiwane wyniki

Termin wykonania do 14 dni kalendarzowych od momentu udostępnienia dostępu do bazy danych

Konstantin Kuzmichev

Illia Antipiev

Roman Z.

Oferty ukryte

Aktualnie brak ofert

Aktualne zlecenia dla freelancerów w kategorii Bazy danych i SQL

System rejestracji klientów i potwierdzania wizyt (MVP)

Go-Projekt

Dopracowanie aplikacji internetowej na Laravel

Linux mentor

Konsultant Microsoft 365 / Nowoczesne Miejsce Pracy (m/k/d) – Microsoft Places | Zdalnie