Expert machine learning – décision d’octroi & scoring crédit (it) / freelance

Notre client est un des leaders dans les solutions de financement locatif des équipements mobiliers et immobiliers pour les professionnels et les entreprises.

Au sein de l?entité Credit RISK, l?équipe Scoring & Provisioning Models est en charge de la construction et de la maintenance des modèles quantitatifs d?évaluation du risque de crédit.



Prestations demandées

Dans le cadre de son plan digital, notre client souhaite challenger son système de décision à l'octroi. Pour cela, l'utilisation du Machine Learning en remplacement de règles de décision experte est envisagé.



La mission est de construire un modèle de Machine Learning qui aura vocation à substituer aux business rules actuellement en production. Il faudra pour cela :

??????- Constituer, avec l'appui de l'équipe interne, la base de données en entrée des business rules existantes (contrainte de consommation de donnée équivalente)

??????- Construire la variable cible du défaut pour chaque demande de financement

??????- Proposer une analyse exploratoire des données

??????- Faire plusieurs propositions de modélisation, avec différentes complexités de modèles en mettant en exergue les avantages et inconvénients

??????- Produire une analyse de performance, en prenant comme référence la performance des règles existantes

??????- Proposer un module d'explicabilité du modèle, condition sine qua none à l'adoption d'un modèle de type boite noire

??????- Mener avec les équipes du data office l'étude d'implémentation du modèle proposé pour APIsation

??????- Proposer une méthodologie d'analyse de drift



En fin de mission, un rapport présentant la démarche, les résultats et l'analyse de faisabilité d'implémentation devra être produite.



Profil candidat:
Profil(s) recherché(s) :

Années d?expérience : 9 à 12 ans


Expertises : Modélisation Machine Learning appliquée au scoring, Construction de modèles complexes et mise en production, Scoring / évaluation du risque de crédit, Préparation et structuration de données de modélisation, Définition de variable cible de défaut, Analyse exploratoire des données, Comparaison de modèles et arbitrage complexité / performance, Évaluation de performance de modèles, Explicabilité des modèles boîte noire, Industrialisation / APIsation de modèle, Analyse de drift



Secteurs : Financement spécialisé / leasing


Métiers : Modélisation quantitative du risque de crédit, Machine Learning, Risk Management / Fonction RISK, Credit Risk, Scoring & Provisioning Models, Décision d?octroi de financement


Périmètre fonctionnel : Décision à l?octroi, Scoring des demandes de financement, Risque de crédit leasing, Modélisation prédictive, Explicabilité du modèle, Implémentation technique du modèle, Suivi post-modélisation



Solution / outil : Python (très bon niveau), Dataiku, Machine Learning (construction d'un modèle de machine learning complexe avec sa mise en production effective), Business rules, API