Projet réalisé dans le cadre du parcours diplômant de Data Scientist d'OpenClassrooms (projet n°7)
La société financière Prêt à dépenser propose des crédits à la consommation pour des personnes ayant peu ou pas du tout d'historique de prêt.
L’entreprise souhaite mettre en œuvre un outil de scoring crédit qui calcule la probabilité qu’un client rembourse son crédit, puis classifie la demande en crédit accordé ou refusé. Elle souhaite donc développer un algorithme de classification en s'appuyant sur des sources de données variées (données comportementales, données provenant d'autres institutions financières, etc.).
L'ensemble de l'analyse et de la modélisation est disponible via des "Notebook Jupyter" dans le dossier "Notebook" de ce repository.
Les données originales sont téléchargeables sur Kaggle à cette adresse
L'API de Prédiction a été réalisée avec Flask et déployée sur Heroku.
Le dashboard a destination des chargés de clientèles a été réalisé avec Streamlit et est accessible sur Heroku