Návrh Školení

Úvod do AI v Financial Crime

  • Přehled o podvodech a AML (Antimoney Laundering) v období digitálních financí
  • Traditionální vs AI-založené přístupy
  • Případové studie od Mastercard, JPMorgan a globálních bank

Machine Learning pro monitorování transakcí

  • Supervised learning pro risk scoring a klasifikaci
  • Unsupervised learning pro detekci odchylek
  • Generování střehů v reálném čase a zpracování streamu dat

Grafická analýza a detekce rizik ve síti

  • Modelování vztahů mezi entity a transakcemi
  • Detekce složitých podvodních schémat pomocí grafické AI
  • Praktická část s Neo4j nebo podobnými nástroji

Zpracování přirozeného jazyka pro AML

  • Text mining v rámci customer due diligence (CDD)
  • Skenování seznamů monitorovaných osob a entit pomocí named entity recognition (NER)
  • Revize dokumentů na základě výzv a vykazování podezřelé činnosti

Správa modelu Go a vysvětlitelnost

  • Vytváření vysvětlitelných a audibilních modelů
  • Detekce a omezování běhu ve fraud detection algoritmech
  • Použití XAI technik ve srovnatelnostních požadavcích

Etika, regulace a riziko modelu

  • Dodržování pravidel AML a KYC (e.g. FATF, FinCEN, EBA)
  • AI etika v přehlídkách a monitorování zákazníků
  • Právnické standardy a audibilnost regulací

Stratégie nasazení a budoucí trendy

  • Integrace AI modelů do stávajících systémů transakcí
  • Zpětné vazby a mechanismy aktualizace modelu
  • Budoucnost generativní AI v vyšetřování podvodů a automatizaci SAR

Shrnutí a další kroky

Požadavky

  • Přehled rizik úplatků a postupů AML (proti finančnímu podporování terorismu a vyvádění zisků z trestných činů)
  • Zkušenosti s analýzou dat nebo sestavováním dodržovacích hlášení
  • Základní znalost Python nebo analytických platform

Cílová skupina

  • Odborníci na rizika úplatků
  • Týmy odpovědné za dodržování pravidel AML
  • Manažeři zabezpečení
 14 hodiny

Počet účastníků


Cena za účastníka

Reference (1)

Nadcházející kurzy

Související kategorie