Návrh Školení

Vstup do umělé inteligence v Financial Crime

  • Přehled podvodu a AML ve epochě digitálního financování
  • Tradiční vs. AI-založené přístupy
  • Případová studie z Mastercard, JPMorgan a globálních bank

Machine Learning pro sledování transakcí

  • Supervised learning pro rizikové hodnocení a klasifikaci
  • Unsupervised learning pro detekci odchylek
  • Vytváření pohotovostních upozornění a streamování dat v reálném čase

Grafické analýzy a detekce rizik ve síti

  • Modelování vztahů mezi entitami a transakcemi
  • Detection of complex fraud schemes using graph AI
  • V praxi s Neo4j nebo podobnými nástroji

Natural Language Processing pro AML

  • Textové výpočty v cizinci due diligence (CDD)
  • Hledání zájemců pomocí rozpoznávání pojmenovaných entit (NER)
  • Prompt-based document review and suspicious activity reports (SARs)

Model Governance a vysvětlitelnosti

  • Vytváření vysvětlitelných a kontrolovatelných modelů
  • Zjišťování a minimalizace biasu ve fraud detection algoritmech
  • Použití XAI technik v souladu s předpisy

Ethics, Regulation, and Model Risk

  • Soulad se systémy AML a KYC (např. FATF, FinCEN, EBA)
  • AI etika v dohledu a sledování zákazníků
  • Normy hlášení a auditabilita předpisů

Strategie nasazení a budoucí trendy

  • Integrace AI modelů do stávajících systémů transakcí
  • Podrobnosti o zpětných vazbách a mechanismech aktualizací modelů
  • Budoucnost generativního AIs v detekci podvodů a automatizaci SARs

Souhrn a další kroky

Požadavky

  • Počení s rizikem podvodu a postupy AML (Antimoney Laundering)
  • Zkušenosti se zpracováním dat nebo kompatibilitním hlášením
  • základní znalost Python nebo analytických platform

Audience

  • Odborníci na rizika podvodu
  • Týmy zodpovědné za shodu AML (Antimoney Laundering)
  • Správci bezpečnosti
 14 hodiny

Počet účastníků


Price per participant

Upcoming Courses

Související kategorie