Návrh Školení

Vstup do umělé inteligence ve finančních službách

  • Použití: detekce podvodu, kredity hodnocení, monitoring souladu s předpisy
  • Právní a regulační aspekty a rizikové frameworky
  • Přehled o posouzení v prostředích s vysokým rizikem

Příprava finančních dat pro Fine-Tuning

  • Zdroje: záznamy transakcí, demografická data zákazníků, chovací údaje
  • Ochrana osobních údajů, anonymizace a bezpečné zpracování dat
  • Feature engineering pro tabulková a časově rozvržená data

Model Fine-Tuning Techniky

  • Transfer learning a adaptace modelu pro finanční data
  • Oblast specifické funkce ztrát a metriky
  • Použití LoRA a adapter tuning pro efektivní aktualizace

Modelování predikce rizika

  • Prediktivní modelování pro defaulty půjček a kredity hodnocení
  • Dobrovělné zvážení interpretovatelnosti vs. výkonu
  • Zpracování nerovnovážných datových sad ve scénářích s rizikem

Aplikace detekce podvodu

  • Vytvoření výkonových článků pro detekci odchylek pomocí posouzených modelů
  • Strategie pro reálné čas vs. pochodebnou predikci podvodu
  • Hybridní modely: pravidelná + AI-vedená detekce

Hodnocení a vysvětlitelnost

  • Hodnocení modelů: přesnost, recall, F1, AUC-ROC
  • SHAP, LIME a jiné nástroje pro vysvětlitelnost
  • Auditování a reportování souladu pomocí posouzených modelů

Nasazení a monitorování ve výrobě

  • Integrace posouzených modelů do finančních platform
  • CI/CD trubice pro AI v bankovních systémech
  • Monitorování driftu, reškolení a správy životního cyklu

Závěr a další kroky

Požadavky

  • Přehled nad technikami řízeného učení
  • Zkušenosti s rámci strojového učení založených na Python
  • Srozumění finančním datovým sadám, jako jsou záznamy transakcí, úrovně kredity nebo data pro KYC

Cílová skupina

  • Datoví vědci ve finančních službách
  • AI inženýři pracující s fintech nebo bankovními institucemi
  • Odborníci na strojové učení, kteří vytvářejí modely rizika nebo detekce podvodů
 14 hodiny

Počet účastníků


Price per participant

Upcoming Courses

Související kategorie