Plan Szkolenia

Wprowadzenie do AI w Financial Crime

  • Przegląd oszustw i AML w erze cyfrowej finansów
  • Tradycyjne vs. podejścia oparte na AI
  • Studia przypadku z Mastercard, JPMorgan i banków globalnych

Machine Learning dla monitorowania transakcji

  • Uczące się nadzorowane do oceny ryzyka i klasyfikacji
  • Uczące się niezależne do wykrywania anomalii
  • Generowanie alertów w czasie rzeczywistym i przetwarzanie strumieni

Analiza grafu i wykrywanie ryzyka sieciowego

  • Modelowanie relacji między jednostkami i transakcjami
  • Wykrywanie skomplikowanych schematów oszustw za pomocą grafu AI
  • Ćwiczenia praktyczne z Neo4j lub podobnymi narzędziami

Przetwarzanie języka naturalnego dla AML

  • Głębiowe analiza tekstu w due diligence klienta (CDD)
  • Skanowanie listy obserwowanych za pomocą rozpoznawania nazwanych jednostek (NER)
  • Przegląd dokumentów i raportów o podejrzanych aktywnościach (SARs) na podstawie zapytań

Zarządzanie modelami i wyjaśnialność

  • Budowanie wyjaśnialnych i sprawdzalnych modeli
  • Wykrywanie i zmniejszanie uprzedzeń w algorytmach wykrywania oszustw
  • Zastosowanie technik XAI w zależności od zgodności

Etyka, regulacje i ryzyko modelu

  • Zgodność z ramami AML i KYC (np. FATF, FinCEN, EBA)
  • Etyka AI w nadzorze i monitorowaniu klienta
  • Standardy raportowania i zgodność regulacyjna

Strategie wdrażania i przyszłe trendy

  • Integracja modeli AI z istniejącymi systemami transakcyjnymi
  • Pętle sprzężenia zwrotnego i mechanizmy aktualizacji modeli
  • Przyszłość generatywnej AI w badaniach oszustw i automatyzacji SAR

Podsumowanie i następne kroki

Wymagania

  • Zrozumienie ryzyka oszustw i procedur AML
  • Doświadczenie w analizie danych lub raportowaniu zgodności
  • Podstawowa znajomość Python lub platform analitycznych

Grupa docelowa

  • Specjaliści ds. ryzyka oszustw
  • Zespoły AML compliance
  • Menedżerowie bezpieczeństwa
 14 godzin

Liczba uczestników


cena netto za uczestnika

Opinie uczestników (1)

Propozycje terminów

Powiązane Kategorie