【データサイエンス実務入門】最新の機械学習技術を用いた信用スコアリングモデルの構築

～与信業務におけるAI技術の実用化と今後の可能性〜
受講区分 会場
開催日時 2018-07-05（木）　9:30～12:30
講師 株式会社リコー ICT研究所
AI応用研究センター
研究主担
澤木　太郎　氏

東京工業大学理学部卒、東京工業大学大学院理工学研究科修了　株式会社リコーに入社し、機械学習技術の研究開発に従事　外観検査向けの画像認識技術の開発などを行う　現在は開発リーダーとして最先端の機械学習技術を信用スコアリングモデルに応用する研究および実務に従事

開催地 カンファレンスルーム（株式会社セミナーインフォ内）
概要 近年、機械学習技術の発展が著しく、大きく性能が向上しています。与信分野ではこれまでにもロジスティック回帰のような古典的なモデリング手法は使われていましたが、ディープラーニングや勾配ブースティングなどの最新の機械学習手法は国内ではまだあまり使われていないと考えられます。このような高度化した技術を用いて信用スコアリングモデルを構築することで、既存の手法と比較してモデルの性能を大きく向上させることが可能となります。これによって、貸倒れ率の低減させたり、与信を自動化することによる業務効率化が期待できます。機械学習の精度を上げるためのポイントは2つあります。1つ目は学習データの量です。特に最新技術を十分に活用するためには、大量のデータが必要になります。2つ目はデータの特徴や用途に応じて適切な学習アルゴリズムを選択することです。
本セミナーでは、様々な機械学習手法とモデルの構築方法についてわかりやすく解説します。さらに、その中でも高い精度を出すことができるディープラーニングや勾配ブースティングなどの手法を信用スコアリングモデルに適用するメリットや注意点について説明します。
詳細 １．はじめに
（1）近年のトレンド
　(a)マイナス金利政策
　(b)ビッグデータ
　(c)フィンテック
（2）信用スコアリングモデル
　(a)スコアリングモデルとは
　(b)従来のモデル
（3）機械学習の技術の進化
　(a)機械学習とは
　(b)進化の歴史
　(c)本講座の狙い

２．機械学習手法の解説
（1）各種手法の説明
　(a)ロジスティック回帰
　(b)決定木
　(c)サポートベクターマシン
　(d)ランダムフォレスト
　(e)勾配ブースティング
　(f)ディープラーニング
（2）モデル構築の手順
　(a)特徴量設計
　(b)評価方法

３．信用スコアリングモデルへの応用
（1）各種手法の比較
　(a)ホワイトボックスとブラックボックス
　(b)構造化データと非構造化データ
　(c)性能比較
　(d)アンサンブル学習
　(e)適切なアルゴリズムの選定
（2）最新技術の課題
　(a)ブラックボックス問題
　(b)オーバーフィッティング問題
（3）課題への対策
　(a)データの整備
　(b)モデル検証方法
　(c)人材育成

４．今後の動向と可能性
（1）AI技術の急速な発展
（2）データの重要性
（3）今後のAI技術活用の方向性

５．振り返りと質疑応答 ※ 録音、ビデオ・写真撮影、PCの使用等はご遠慮ください
お問合わせ 株式会社セミナーインフォ　　セミナー運営事務局
TEL ： 03-3239-6544　　　FAX ： 03-3239-6545　　　E-mail ： customer@seminar-info.jp