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

Počet účastníků


Cena za účastníka

Nadcházející kurzy

Související kategorie