Děkujeme za vaši dotaz! Jeden z našich pracovníků vás brzy kontaktuje.
Děkujeme za rezervaci! Jeden z našich pracovníků vás brzy kontaktuje.
Návrh Školení
Úvod do AI ve finančních službách
- Případové studie: detekce podvodu, kreditní scoring, monitorování dodržování předpisů
- Regulační uvažování a rizikové rámce
- Přehled upravování v prostředích s vysokým rizikem
Příprava finančních dat pro upravování
- Zdroje: transakční protokoly, demografie zákazníků, chovatelská data
- Ochrana soukromí, anonymizace a bezpečná zpracování dat
- Inženýrství funkcí pro tabulková a časová data
Techniky upravování modelů
- Přenosové učení a přizpůsobení modelů finančním datům
- Doménové funkce ztráty a metriky
- Použití LoRA a adapter tuningu pro efektivní aktualizace
Modelování predikce rizik
- Prediktivní modelování pro výpadky půjček a kreditní scoring
- Rovnováha interpretovatelnosti vs. výkonu
- Zpracování nesrovnalých datových souborů ve scénářích rizik
Aplikace detekce podvodu
- Vytváření pipeline pro detekci anomálií s upravenými modely
- Strategie predikce podvodu v reálném čase vs. dávkově
- Hybridní modely: pravidla + AI-ová detekce
Ohodnocení a vysvětlení
- Hodnocení modelu: přesnost, ozzvučnost, F1, AUC-ROC
- SHAP, LIME a jiné nástroje pro vysvětlení
- Revize a sestavy dodržování předpisů s upravenými modely
Nasazení a monitorování v produkci
- Integrace upravených modelů do platform finančních služeb
- CI/CD pipeline pro AI ve bankovských systémech
- Monitorování driftu, retrainingu a správy životního cyklu
Shrnutí a další kroky
Požadavky
- Chápání technik nadzorovaného učení
- Zkušenosti s pythonovými rámci pro strojové učení
- Odborná znalost finančních dat, jako jsou transakční protokoly, kreditní skóre nebo data KYC (znáte svůj zákazník)
Cílová skupina
- Datoví vědci ve finančních službách
- AI inženýři pracující s fintech nebo bankovnictvím
- Odborníci na strojové učení vytvářející modely rizik a podvodů
14 Hodiny