Credit Scoring Model

Développement d'un modèle de scoring pour prédire la probabilité de faillite des clients, automatisant le processus d'évaluation tout en fournissant une analyse de l'importance des variables pour améliorer la transparence. Construction et entraînement d'un modèle prédictif pour estimer les risques de faillite, en intégrant l'importance globale des variables (pour identifier les facteurs les plus influents dans l'ensemble) et l'importance locale des variables (pour expliquer les prédictions au niveau individuel de chaque client).

Déploiement du modèle sous forme d'API prête pour la production, avec une interface de test pour valider les fonctionnalités de l'API. Mise en place d'un cadre complet de MLOps pour la surveillance et la gestion de bout en bout, incluant le suivi des expérimentations avec MLflow et l'analyse des dérives de données pour maintenir la performance du modèle dans le temps. Utilisation d'outils tels que Docker pour la conteneurisation et de services cloud pour un déploiement évolutif, garantissant robustesse et fiabilité en production.