Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
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