- 章节1： 数据分析与建模的基础知识
- 课时1：数据分析的基本概念 免费 23:50
- 课时2：数据可视化 免费 15:17
- 课时3：数据分析的常用模型 免费 18:35
- 课时4：数据分析的常用工具 免费 03:28
- 章节2： 互联网金融和信贷风控的概述
- 课时5：互联网金融简介和特点 免费 13:58
- 课时6：互联网金融的主要模式 免费 17:11
- 课时7：常见的个人信贷产品 免费 19:11
- 课时8：个贷产品中的风险（上） 免费 20:40
- 课时9：个贷产品中的风险（下） 免费 12:50
- 章节3： 评分卡模型（A卡）：数据的预处理与特征构建
- 课时10：评分卡模型简介 免费 19:43
- 课时11：特征构造 免费 19:39
- 课时12：数据的质量检验 免费 29:53
- 课时13：代码实现 免费 11:42
- 章节4： 评分卡模型（A卡）：数据的预处理与特征构建（续）
- 课时14：特征的分箱 48:13
- 课时15：特征信息值与数值编码、单变量分析 、多变量分析 36:00
- 课时16：概念补充说明 17:57
- 课时17：代码实现 43:41
- 章节5： Logistic Regression（LR）在评分卡模型中的应用
- 课时18：逻辑回归模型的基本概念 35:00
- 课时19：基于LR模型的评分卡构建工作 22:14
- 课时20：尺度化2 07:31
- 章节6： 模型的验证、监控与调优
- 课时21：模型的区分度与预测性 28:40
- 课时22：模型的平稳性、模型调优以及代码讲解 29:15
- 章节7： 机器学习模型在信贷风控中的应用二：DNN模型
- 课时23：神经网络模型的概述、激活函数与损失函数 26:40
- 课时24：反向传播法 23:34
- 课时25：实际案例 14:58
- 课时26：代码讲解 05:31
- 章节8： 机器学习模型在信贷风控中的应用一：XGBoost模型
- 课时27：Gradient Boosting的概念 09:34
- 课时28：GBDT模型简介 22:17
- 课时29：GBDT的升级版：XGBoost 22:59
- 课时30：XGBoost模型在信贷风控中的应用 06:35
- 章节9： 组合模型在评分卡中的应用
- 课时31：元模型与集成模型 17:47
- 课时32：Bagging 11:12
- 课时33：Boosting 13:48
- 课时34：Stacking 13:07
- 课时35：案例及代码 13:35
- 章节10： 评分卡模型（B卡）的开发
- 课时36：基本概念 20:43
- 课时37：特征构造 20:17
- 课时38：模型开发 21:34
- 章节11： 评分卡模型中的前沿问题一：标签缺失的处理
- 课时39：标签缺失的定义 08:20
- 课时40：补全标签的方法（上） 15:50
- 课时41：补全标签的方法（下） 18:01
- 课时42：案例与代码 12:38
- 章节12： 评分卡模型中的前沿问题二：非平衡样本的处理
- 课时43：过采样与欠采样 15:10
- 课时44：SMOTE 18:34
- 课时45：样本权重法与案例 08:52
