신용 심사에서 데이터 사이언스가 왜 일반적인 ML과 다르게 작동하는지를 다룹니다. 선택편향, 인과추론, 캘리브레이션, 검증, 공정성, 규제 같은 주제를 실무의 언어로 풀어갑니다.
ML 모델 구축부터 평가까지 잘 하는 사람도 신용 심사에 오면 한 번씩 어긋납니다. 실력이 아니라 규칙이 다른 분야이기 때문입니다. 선택편향부터 규제까지, 금융 데이터 사이언스가 일반 ML과 구조적으로 다른 7가지를 정리했습니다.
전체 보기 →
연재가 올라오면 메일로 알려드립니다. 스팸은 없고, 언제든 해지할 수 있습니다.