Фриланс-проєкти

Фриланс-проєкти

Розробка та навчання моделі кредитного скорингу для фінансової компанії

Python, Бази даних та SQL — неправильно зазначені категорії?

1. Мета проєкту

Розробити модель кредитного скорингу для прогнозування платоспроможності клієнтів із трьома класами таргету:

погашення протягом 30 днів;
погашення протягом 60 днів;
дефолт.

2. Вихідні дані

Дані з кредитних заявок, анкет клієнтів та УБКІ.
Доступ до даних через PostgreSQL-запити.
Обов’язково: включити фінансові дані УБКІ.
Не використовувати: скорингові показники УБКІ через високу кореляцію з таргетом.

3. Таргет і вимоги до моделі

Таргет: 3 класи (30_days_paid, 60_days_paid, default).
Модель: AutoGluon (Python).
Мінімальна точність: 70% (для бінарної класифікації).
Оптимізаційна метрика: macro F1-score (для трьох класів).
Модель має підтримувати бінарну та трикласову класифікацію.

4. Бізнес-вимоги

Модель має враховувати різні категорії клієнтів і допомагати приймати рішення щодо схвалення заявок із урахуванням допустимого рівня ризику:

Для нових клієнтів: очікуваний рівень схвалення заявок — близько 8%, при цьому максимально допустимий рівень дефолтів — до 30%.
Для повторних клієнтів: очікуваний рівень схвалення заявок — близько 45%, із максимально допустимим рівнем дефолтів — до 10%.

Такі показники мають бути орієнтиром для налаштування моделі та оцінки її ефективності в реальних бізнес-умовах.

5. Технічні вимоги

Модель має підтримувати оновлення / донавчання.
Надати метрики: accuracy, precision, recall, F1-score, ROC-AUC.
Валідація: stratified k-fold (k ≥ 5).
Обов’язково надати:
- feature importance,
- SQL-запити для формування датасету,
- опис ознак,
- інструкцію для повторного навчання (retrain).

6. Очікувані результати

Файл моделі (.pkl або .model).
SQL-запити для формування датасету.
Звіт з метриками, аналітикою та графіками результатів.
Інструкція з розгортання та повторного навчання моделі

Термін виконання до 14 календарних днів з моменту надання доступу до бази даних

Ставки 4

Konstantin Kuzmichev

0 0

Проєкти -
Оцінка -
Рейтинг 164

Бюджет: 27000 UAH Термін: 10 днів

Маю 20 років у розрбці. Розробляв різні системи включно з передбаченям. Працював з різними моделямі: LSTM, RandomForet, XGBoost, MLP та інші. Маю досвід у розробці в великих проєктах з великим об'емом даних (Deutsche Bank та Oracle Field Service Cloud).
Буду радий оброговити деталі.

Illia Antipiev

63 2

Проєкти 61
Оцінка 4.8
Рейтинг 2 142

Бюджет: 6000 UAH Термін: 10 днів

Вітаю
Готовий виконати ваш проект
Можу розглянути різні типи моделей (дерева, mlp, кластеризацію) і обрати найкращу
Надам код для перетренувань і звіт щодо роботи

Roman Z.

7 0

Проєкти 7
Оцінка 5.0
Рейтинг 1 562

Бюджет: 1000 UAH Термін: 1 день

Доброго дня!
Мене звати Роман, і я входжу до топ-5 розробників у категорії «Штучний інтелект і машинне навчання» серед ~1600 фахівців на платформі.
Гарантую:
- Швидке та якісне виконання завдання
- Чітке дотримання дедлайнів
- Регулярний зв'язок протягом усього процесу
Буду радий обговорити деталі вашого проекту у приватних повідомленнях.

Ярослава Моршна
Київ, Україна
Compassway

Проєктів 31
Оцінка 5.0
Рейтинг 1 588

Розробка та навчання моделі кредитного скорингу для фінансової компанії

1. Мета проєкту

2. Вихідні дані

3. Таргет і вимоги до моделі

4. Бізнес-вимоги

5. Технічні вимоги

6. Очікувані результати

Термін виконання до 14 календарних днів з моменту надання доступу до бази даних

Konstantin Kuzmichev

Illia Antipiev

Roman Z.

Ставки приховані

Ставки поки відсутні

Актуальні фриланс-проєкти в категорії Python

Парсинг даних

Мікросервіс генерації динамічних PDF-звітів за шаблонами

Бот для дзеркалювання ф’ючерсних позицій (Hyperliquid / Bitget → Binance Futures)

Глибока перевірка 3 PDF-файлів на достовірність

Індикатор для Tradingview