本节介绍信用风险建模的来龙去脉，包括:
数据挖掘建模流程
R语言介绍

本节介绍R语言编程的基本操作，包括:
R语言介绍R中的基本对象
R中的数据类型
R语言的程序控制
R语言的函数与包
R中的数据整合

本节内容介绍统计学中描述性统计内容以及R中实现描述性统计，包括:
数据的分布
数据的集中、离散程度、数据的偏度峰度
描述性统计案例(R实现)
R的制图
R的制图相关的包

R数据清洗课程介绍在R对数据进行整合，变换以及处理。
这部分课程包括：
R中的SQL语句
数据的横向纵向合并
错误值、缺失值、异常值处理

本节介绍R统计推断基础，需要有一定统计学基础知识，包括： 假设检验与单样本T检验
两样本T检验
方差分析(分类变量和连续变量关系检验)
相关分析(两连续变量关系检验)
卡方检验(两分类变量关系检验)

本节介绍线性回归相关以及案例，包括： 相关性分析
线性回归
线性回归诊断
正则化方法

本节介绍逻辑回归模型以及应用，包括: 分类变量的相关关系
 逻辑回归模型
 模型评估

本节介绍决策树，随机森林模型在信用评分领域的应用 决策树建模思路
CART算法建模原理
模型修建
模型评估
随机森林与组合算法

本节介绍神经网络在信用行为评分中的应用,包括: 行为信用评分基本概念
神经网络基本概念
人工神经网络基本概念
感知器与BP模型
径向基神经网络

本节介绍一个综合性案例-汽车金融信用违约贷款评分模型 综合了前面所学知识，包括: 业务理解
数据理解
数据准备
建模
模型评估
模型监测