Transaction scoring - granting - Freelance

Taux journalier (TJM): 850

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 complexité 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.

Les compétences / expériences attendues sont les suivantes :

- Très bon niveau en python avec une connaissance de Dataiku

- Expérience effective de la construction d'un modèle de machine learning complexe avec sa mise en production effective

- La connaissance du monde bancaire et de la modélisation du risque de crédit est un plus, mais pas un prérequis. Une expérience en scoring sur d'autres domaines peut suffire

- Capacité à présenter ses résultats à un public non expert, le POC ayant vocation à être présenté au métier et à la direction