El programa que convierte un notebook con buen AUC en un modelo que sobrevive a validación independiente, a un regulador y a un comité de riesgos. El alumno construye un scorecard de crédito completo, lo valida fuera de tiempo, lo explica con SHAP, lo traduce a política de aprobación y lo defiende ante un panel de practitioners.
La distancia entre un aficionado y un profesional del dato no está en el algoritmo: está en la definición del problema, en la validación y en la documentación. Aquí se recorre el ciclo completo sobre datos reales de crédito: definir target, ventana de observación y de desempeño y población elegible; tratar variables con Weight of Evidence y binning óptimo; y cazar la fuga de información, el error que más modelos ha matado en la historia de la industria. Se comparan regresión logística regularizada contra gradient boosting con LightGBM y XGBoost, y se discute con evidencia cuándo el modelo simple gana por interpretabilidad y estabilidad. Luego vienen las métricas que le importan al negocio —AUC, KS, Gini, calibración, matriz de costos y punto de corte por utilidad—, la explicabilidad con SHAP, las pruebas de sesgo y variables prohibidas, la traducción a scorecard y precio ajustado por riesgo, y el monitoreo con PSI y CSI bajo lógica de model risk management al estilo SR 11-7 y de los criterios de la CNBV. El curso termina como termina en la vida real: con una defensa oral.
Modelos que pasan el comité: analítica predictiva de crédito — te enviamos el brochure y un asesor te contacta.