《网络数据风控技术》作为数据科学与大数据技术专业的进阶课程，培养学生运用数据分析技术来完成智能风控领域的相关任务，为各行各业的数据风控提供急需的人才。本课程将从面向金融风控的业务场景入手，展现如何从统计、建模等基础知识入门，进而掌握较为先进的机器学习模型，从而构建高效实用的风控模型。为了配合课程的实践学习，培养学生的动手能力，提高风控模型的设计及应用能力，设计了课程的配套实验。
实验一：信贷业务中的风险评估
实验内容：掌握信贷业务中风险评估的方法。包括循环授信贷款用户的违约率计算，不同客群的违约率、违约损失率、风险敞口、预期损失与实际损失的计算；分期贷款中不同客群的违约率和风险敞口计算，各类还款周期的风险敞口、周期损失和资金占用比例计算。
实验二：信贷业务中的风险评估
实验内容：掌握机器学习中分类模型的基本原理，了解分类模型在风控业务中的应用。包括逻辑回归模型，XGBoost模型的训练与验证。
实验三：金融风控——信贷场景客户信用评分
实验内容：掌握信贷业务场景的数据处理、分箱和统计、模型训练、客户信用的预测评估等内容。实验数据集包含2005年4月至2005年9月某省信用卡客户的违约记录、人口统计因素、信用数据、付款历史和账单信息。
实验四：实战项目——网贷平台的金融风控模型与调优
实验内容：互联网小额信用贷款平台（简称网贷平台）根据风险控制和准入标准对用户进行筛选，为筛选出的优质客户提供不同的借款额度。本项目结合脱敏处理过的样本数据，对贷款风险进行建模，预测用户6个月内的逾期率。掌握数据清洗、离群点检测、特征工程与特征筛选的方法，基于网贷平台的真实脱敏数据，完成数据分析、特征工程、特征筛选、模型训练与验证的全流程综合实验。
该实验项目已在和鲸教学平台开放（https://www.heywhale.com/org/vrap9/task/6506c7183ed6d8260005b70b/task）
实验五：实战项目——基于交易反欺诈的账户风险识别模型与调优
实验内容：反欺诈模型的数据分析、特征工程、特征筛选、模型训练与调优的全流程综合实验。近年来，银行线上业务随着移动互联网的兴起而快速发展，互联网金融业务涉及多种欺诈风险，国家也密切关注账户资金流动的合规性风险，监管趋严，监管文件频出。如银发【2016】261号文、银发【2019】85号文、银保监办发【2021】49号文等。同时，2020年以来涉赌涉诈案件频发，公安部加大打击力度，要求银行对其账户做内部排查，及时关停可疑账户。为保障银行线上金融业务的平稳运行、风险可控、账户安全规范，提出了基于线上交易反欺诈的风险识别的需求。本项目提供风险账户的基础信息、操作行为信息和交易行为信息，通过数据分析，从账户开户特征、设备操作特征、交易频次、交易时间、交易金额、地域分布等维度进行特征挖掘，建立有监督的机器学习模型，有效甄别存在高风险交易的账户。
该实验项目已在和鲸教学平台开放（https://www.heywhale.com/org/vrap9/task/6506c7183ed6d8260005b70b/task）