Credit Scoring for Data Scientist Using Python

Materi
Day 1 – Pengenalan dan Persiapan Data
1. Pengenalan Credit Scoring
• Definisi dan konsep credit scoring
• Jenis‑jenis credit scoring (aplikasi, behavioral, koleksi)
• Manfaat dan tantangan credit scoring
2. Data Preparation
• Pengumpulan dan pengolahan data kredit
• Penanganan missing value dan outlier
• Transformasi data
3. Eksplorasi Data
• Analisis statistik deskriptif
• Visualisasi data menggunakan plot dan chart
4. Feature Engineering
• Pembuatan fitur yang relevan untuk credit scoring
• Seleksi fitur menggunakan metode statistik dan machine learning
• Penggunaan teknik dimensionality reduction (PCA, t‑SNE, dll.)

Day 2 – Modeling, Evaluasi & Deployment
5. Credit Scoring Modeling
• Pengenalan model credit scoring (logistic regression, decision tree, random forest, dll.)
• Pembuatan model credit scoring menggunakan Python (scikit‑learn, XGBoost, dll.)
6. Model Evaluation
• Metrik evaluasi model (accuracy, precision, recall, F1‑score, AUC‑ROC)
• Model optimization dan deployment
7. Hyperparameter Tuning
• Pengenalan hyperparameter tuning (grid search, random search, Bayesian optimization)
• Penggunaan hyperparameter tuning untuk meningkatkan kinerja model
8. Model Deployment
• Pengenalan model deployment (pickle, joblib, Docker)
• Pembuatan API untuk model credit scoring menggunakan Flask atau Django
9. Studi Kasus dan Diskusi
Contoh implementasi credit scoring menggunakan Python
Diskusi dan sharing pengalaman peserta

Waktu & Tempat:
22–23 Mei 2025 (Kamis–Jumat), 09.00–16.00 WIB
Hotel Ashley Wahid Hasyim / Novotel Cikini, Jakarta

Investasi:
Rp 8.000.000 / peserta
Rp 7.500.000 / peserta (untuk pengiriman minimal 5 peserta)

Contact Person:
TICKY – Mobile: 0819 3222 2383
e‑mail: ticky.infobank@gmail.com