Webinar "Cómo anticipar el impago con Machine Learning… y poder explicarlo"

Evento
Datos básicos

El objetivo del webinar es mostrar cómo combinar machine learning y explicabilidad para tomar decisiones más informadas en contextos reales de negocio. Para ello abordaremos uno de los problemas del sector financiero: la predicción del impago temprano de préstamos. Utilizaremos datos reales de la plataforma Lending Club, una de las plataformas de financiación de préstamos personales peer-to-peer más conocidas, que conecta a prestatarios con inversores a través de una plataforma online.
A lo largo de la sesión explicarmos el proceso completo de un proyecto de Machine Learning aplicado a nuestro caso de uso: exploración y preparación del dataset, entrenamiento de diferentes modelos predictivos y su evaluación con diferentes métricas. Finalmente abordaremos un aspecto cada vez más relevante en el sector financiero: la explicabilidad de los modelos.

Para ello mostraremos cómo utilizar modelos surrogados que permiten explicar modelos considerados caja negra mediante reglas interpretables, ayudando a entender qué características de los clientes y de los préstamos están asociadas a un mayor riesgo de impago temprano.

Programa

Leticia Monje García

Científico de datos senior con más de 20 años de experiencia en el sector financiero e ingeniería. Actualmente, trabaja en Caixabank. 
Doctora en Análisis de Datos (Data Science) por la Universidad Complutense de Madrid.
Autora de las publicaciones científicas “Deep Learning XAI for Bus Passenger Forecasting: A Use Case in Spain” y "Machine Learning XAI for Early Loan Default Prediction".