Kuis terkait panduan · Sedang Tingkat

AI dalam Kuis Penjaminan Kredit

Tinjau penjaminan kredit, diskriminasi proksi, pemberitahuan tindakan merugikan, data alternatif, penjelasan, dan batasan peraturan.

Jalur panduan terkaitAI Dalam Penjaminan Kredit
Pertanyaan 1 dari 8

Apa yang terutama coba diprediksi oleh model penjaminan kredit AI?

Pratinjau setiap pertanyaan8 pertanyaan

Jawaban dan penjelasan muncul saat Anda mengikuti kuis.

  1. Apa yang terutama coba diprediksi oleh model penjaminan kredit AI?
    • Kemungkinan peminjam akan gagal bayar
    • Bank favorit peminjam
    • Arah pasar saham
    • Tepatnya usia peminjam
  2. Apa yang dimaksud dengan 'diskriminasi proksi' dalam model kredit?
    • Menggunakan server cadangan
    • Sebuah fitur yang menggantikan atribut yang dilindungi seperti ras
    • Menyewa proxy untuk mengajukan pinjaman
    • Mengenkripsi data pelanggan
  3. What does an adverse-action notice communicate to a credit applicant?
    • A guarantee of future loan approval
    • A credit score that proves discrimination
    • That the creditor took an adverse action on the credit application
    • A list of every variable in every model
  4. Siapa yang berpotensi membantu penjaminan AI yang sering ditolak oleh kartu skor tradisional?
    • Hanya peminjam terkaya
    • Bank itu sendiri
    • Regulator pemerintah
    • Pemohon 'file tipis' dengan sedikit riwayat kredit tradisional
  5. Mengapa alat seperti SHAP digunakan dalam penjaminan kredit?
    • Untuk mengaitkan keputusan dengan fitur spesifik untuk penjelasan
    • Untuk mempercepat internet
    • Untuk menetapkan tingkat bunga utama
    • Untuk mendeteksi virus komputer
  6. Apa ketegangan utama dalam menggunakan lebih banyak data untuk penjaminan emisi?
    • Lebih banyak data selalu menurunkan akurasi
    • Lebih banyak data dapat meningkatkan akurasi tetapi mungkin menyembunyikan diskriminasi
    • Data adalah ilegal untuk digunakan
    • Data membuat pinjaman gratis
  7. When a creditor supplies a statement of reasons under Regulation B, what must those reasons describe?
    • A generic statement that an algorithm denied credit
    • A complete source-code listing
    • Specific principal reasons that accurately describe factors actually used in the decision
    • A promise that the applicant will later be approved
  8. Why can an alternative-data source raise fairness questions in underwriting?
    • It is always illegal to use any nontraditional data
    • It guarantees a higher credit score
    • It eliminates the need for validation
    • It may act as a proxy for protected characteristics or reflect uneven coverage