西北大学博士科研课题：机器学习、深度学习算法在预测信用卡违规风险的应用

西北大学博士科研课题

机器学习、深度学习算法在预测信用卡违规风险的应用

课题简介

机器学习、深度学习算法在预测信用卡违规风险的应用

Machine Learning and Deep Learning Algorithms in Default of Credit Card Prediction

关于信用卡还款违约的预测的大量研究已经广泛应用了数据挖掘与人工智能技术，从而能从金融数据库中自动发现有价值的规律。

在信用卡公司、保险公司的实际的风险评估过程中，还款违约预测的能力被视为一项极其重要的任务，因为专家的决策预测了公司是否能够从中获益。

近些年来广泛应用的机器学习、深度学习算法 (machine learning, deep learning algorithms) 则能从海量数据中得出一般性的普遍规律，并基于此提前预测该公司是否存在破产的可能性。

世界上知名银行的信用卡分部（如American Express, JP Morgan, Bank of America）都广泛使用各种高级的机器学习、深度学习算法，取得了相当好的收益。

本课题将通过深度学习、机器学习算法，预测个人在将来还款时是否存在违约可能。研究者将掌握系统的使用数学工具和计算机编程工具的能力。

科研流程

课程模块一：预备课程 

在教学过程正式开始前，有方学者会根据学生的具体情况提供数学、统计、英语学术论文写作等预备课程。

课程模块二：科研辅导 

来自美国顶尖人工智能的机器学习科研团队将在有方学者团队的配合下，进行8-12周的科研辅导：

微积分、线性代数和概率统计入门；

学习 Python编程语言和相关的库numpy, pandas, scikit-learn, matplotlib；

学习探索性数据分析（Explorative data analysis），并通过统计方法和可视化对金融数据进行分析

学习回归分析(regression)，对金融数据进行社交媒体效应的评估

学习几种重要的自然语言处理和机器学习算法，提出初步的金融数据舆情情感分析；

课题验收需要学生完成英文学术论文的写作，并向科研团队进行答辩。

指导速度可能因实际教学情况而异

课程模块三：论文写作&发表 

在科研辅导结束后

项目导师将辅导学生完成论文写作

协助学生完成论文在英文学术期刊上正式发表。

整个科研教学流程中，每一位学员都将有学术督导协助保障研究阶段性作业和论文的进度，确保取得研究成果。

---

课题要求

本课题适合： 9-12 年级学生，有较强的逻辑思维和抽象思维能力

本项目适合适合申请STEM专业方向：计算机、数学等相关专业的学生。

有一定的英语阅读和写作能力

有较强的逻辑思维和抽象思维能力

专业领域的零基础学生，我们会提供相关的学术知识培训。