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 Generative AI
- Przegląd modeli generatywnych i ich znaczenie dla finansów
- Rodzaje modeli generatywnych: LLMs, GANs, VAEs
- Mocne strony i ograniczenia w kontekście finansowym
Generative Adversarial Networks (GANs) w Finansach
- Jak działają GANs: generatory vs dyskryminatory
- Zastosowania w generowaniu danych syntetycznych i symulacji oszustw
- Studium przypadku: generowanie realistycznych danych transakcyjnych do testów
Large Language Models (LLMs) i Inżynieria Podpowiedzi
- Jak LLMs rozumieją i generują teksty finansowe
- Projektowanie podpowiedzi do prognozowania i analizy ryzyka
- Przypadki użycia: podsumowanie raportów finansowych, KYC, wykrywanie czerwonych flag
Prognozowanie Finansowe z Generative AI
- Prognozowanie szeregów czasowych z hybrydowymi modelami LLM i ML
- Generowanie scenariuszy i testy stresowe
- Przypadek użycia: prognozowanie przychodów z wykorzystaniem danych strukturalnych i niestrukturalnych
Wykrywanie Oszustw i Identyfikacja Anomalii
- Zastosowanie GANs do wykrywania anomalii w transakcjach
- Identyfikacja nowych wzorców oszustw poprzez przepływy pracy oparte na podpowiedziach LLM
- Ocena modeli: fałszywe pozytywy vs prawdziwe wskaźniki ryzyka
Regulacyjne i Etyczne Implikacje
- Zrozumiałość i przejrzystość wyników generative AI
- Ryzyko halucynacji modeli i uprzedzeń w finansach
- Zgodność z oczekiwaniami regulacyjnymi (np. GDPR, wytyczne Bazylejskie)
Projektowanie Przypadków Użycia Generative AI dla Instytucji Finansowych
- Budowanie przypadków biznesowych do wewnętrznego wdrożenia
- Równoważenie innowacji z ryzykiem i zgodnością
- Ramy zarządzania dla odpowiedzialnego wdrażania AI
Podsumowanie i Kolejne Kroki
Wymagania
- Zrozumienie podstawowych koncepcji finansów i zarządzania ryzykiem
- Doświadczenie w pracy z arkuszami kalkulacyjnymi lub podstawową analizą danych
- Znajomość Pythona jest pomocna, ale nie jest wymagana
Grupa docelowa
- Menedżerowie ryzyka
- Analitycy ds. zgodności
- Audytorzy finansowi
14 godzin
Opinie uczestników (2)
Przeszło przez język aż do automatyzacji i uświadomiło mi, jakie mam możliwości.
Declan Glennon - Teleflex Medical Europe Ltd
Szkolenie - Copilot for Finance and Accounting Professionals
Przetłumaczone przez sztuczną inteligencję
Tło/teoria LLM, ćwiczenie
Joanne Wong - IPG HK Limited
Szkolenie - Applied AI for Financial Statement Analysis & Reporting
Przetłumaczone przez sztuczną inteligencję