Kurzusleírás
Generative AI Bevezetés
- Áttekintés a generatív modellekről és relevanciájuk a pénzügyekben
- Generatív modellek típusai: LLMs, GANs, VAEs
- Erősségek és korlátok pénzügyi kontextusban
Generatív Ellenőrző Hálózatok (GANs) Finance-hoz
- Hogyan működnek a GANs: generátorok vs. diskriminátorok
- Alkalmazások szintetikus adatok generálásában és csalás-szimulációban
- Esetstudium: valós tranzakcióadatok generálása teszteléshez
Large Language Models (LLMs) és Prompt Engineering
- Hogyan értik és generálják az LLMs a pénzügyi szövegeket
- Promptok tervezése előrejelzésre és kockázat-elemzésre
- Alkalmazási lehetőségek: pénzügyi jelentések összegezése, KYC, veszélyjelzés-kiszűrés
Pénzügyi Forecasting Generative AI segítségével
- Idősoros előrejelzés hibrid LLM és ML modellekkel
- Szenáriogenerálás és stressztesztelés
- Alkalmazási lehetőség: bevételelőrejelzés szerkezetes és szerkezetlen adatok használatával
Csalásfelderítés és anomália-azonosítás
- GANs használata tranzakciók anomáliák felderítésére
- Új csalási minták azonosítása prompt-alapú LLM folyamatokkal
- Modellértékelés: hamis pozitívumok vs. igaz kockázati mutatók
Szabályozási és Etikai Kérdések
- Megmagázhatóság és átláthatóság generatív AI-kimenetekben
- Kockázat a modell hallucinációja és előítélete a pénzügyekben
- Egyeztetés szabályozási elvárásokkal (GDPR, Basel irányelvek)
Generative AI Use Case-ok tervezése pénzügyi intézmények számára
- Üzleti esetek építése a belső elfogadáshoz
- Innováció, kockázat és egyeztetés közötti egyensúly
- Go irányítási keretek felelős AI-kialakításra
Összegzés és Következő lépések
Követelmények
- A pénzügyi és kockázatkezelési alapelvek megértése
- Tapasztalat tavazlatokkal vagy alapvető adatanalízissel
- Ismeret a Python-vel, de nem kötelező
Célközönség
- Kockázatkezelők
- Compliance-analisták
- Pénzügyi auditorok
Vélemények (1)
A nagyon értékeltem, hogy a tréner milyen módon mutatta be mindent. Mindenkit megértettem, még ha Finance nem a területem, de biztosított rá, hogy minden résztvevő azonos szinten legyen, miközben figyelt az időre is. A gyakorlatokat jó intervallumokban helyezte el. Communication a résztvevőkkel mindig ott volt. Az anyag tökéletes volt, nem túl sokat, nem túl keveset. Nagyon jó módon magyarázta el a valamivel bonyolultabb tárgyakat, hogy mindenki megérthesse.
Diana
Kurzus - ChatGPT for Finance
Gépi fordítás