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
 14 Órák

Résztvevők száma


Ár résztvevőnként

Vélemények (1)

Közelgő kurzusok

Rokon kategóriák