Dziękujemy za wysłanie zapytania! Jeden z członków naszego zespołu skontaktuje się z Państwem wkrótce.
Dziękujemy za wysłanie rezerwacji! Jeden z członków naszego zespołu skontaktuje się z Państwem wkrótce.
Plan Szkolenia
Wprowadzenie do generatywnej AI
- Przegląd modeli generatywnych i ich znaczenia dla finansów
- Rodzaje modeli generatywnych: LLM, GAN, VAE
- Mocne strony i ograniczenia w kontekście finansowym
Generatywne sieci przeciwstawne (GAN) w finansach
- Jak działają sieci GAN: generatory kontra dyskryminatory
- Zastosowania w generowaniu danych syntetycznych i symulacji oszustw
- Studium przypadku: generowanie realistycznych danych transakcyjnych do testów
Duże modele językowe (LLM) i inżynieria promptów
- Jak LLM rozumieją i generują tekst finansowy
- Projektowanie promptów do prognozowania i analizy ryzyka
- Przypadki użycia: podsumowywanie raportów finansowych, KYC, wykrywanie sygnałów ostrzegawczych
Prognozowanie finansowe z generatywną AI
- Prognozowanie szeregów czasowych z hybrydowymi modelami LLM i uczenia maszynowego
- Generowanie scenariuszy i testy warunków skrajnych
- Przypadek użycia: przewidywanie przychodów na podstawie danych ustrukturyzowanych i nieustrukturyzowanych
Wykrywanie oszustw i identyfikacja anomalii
- Wykorzystanie sieci GAN do wykrywania anomalii w transakcjach
- Identyfikowanie nowych wzorców oszustw za pomocą przepływów pracy LLM opartych na promptach
- Ocena modeli: fałszywie pozytywne wyniki kontra rzeczywiste wskaźniki ryzyka
Implikacje regulacyjne i etyczne
- Wyjaśnialność i przejrzystość wyników generatywnej AI
- Ryzyko halucynacji modeli i stronniczości w finansach
- Zgodność z oczekiwaniami regulacyjnymi (np. RODO, wytyczne Bazylei)
Projektowanie przypadków użycia generatywnej AI dla instytucji finansowych
- Tworzenie uzasadnień biznesowych dla wewnętrznego wdrożenia
- Równoważenie innowacji z ryzykiem i zgodnością
- Ramy zarządzania dla odpowiedzialnego wdrażania AI
Podsumowanie i kolejne kroki
Wymagania
- Znajomość podstawowych pojęć z zakresu finansów i zarządzania ryzykiem
- Doświadczenie w pracy z arkuszami kalkulacyjnymi lub podstawową analizą danych
- Znajomość Pythona będzie pomocna, ale nie jest wymagana
Grupa docelowa
- Menedżerowie ryzyka
- Analitycy ds. zgodności
- Audytorzy finansowi
14 godzin
Opinie uczestników (1)
Mam już kilka znanych mi raportów, wykorzystam część podpowiedzi, którym przyglądaliśmy się dzisiaj.
Kelly Cotham
Szkolenie - Copilot for Finance and Accounting Professionals
Przetłumaczone przez sztuczną inteligencję