Návrh Školení
Úvod do Generative AI
- Přehled generativních modelů a jejich význam pro finance
- Typy generativních modelů: LLMs, GANs, VAEs
- Výhody a omezení ve finančních kontextech
Generativní protihrací sítě (GANs) pro Finance
- Jak fungují GANs: generátory vs diskriminátory
- Aplikace v syntetické datové generaci a simulaci podvodu
- Případová studie: generování realistických transakčních dat pro testování
Large Language Models (LLMs) a Prompt Engineering
- Jak LLMs porozumívají a generují finanční texty
- Návrh dotazů pro prognózu a analýzu rizik
- Příklady užití: shrnutí finančních zpráv, KYC, detekce červených příznaků
Finanční Forecasting s Generative AI
- Prognóza časových řad pomocí hibridních LLM a ML modelů
- Generování scénářů a stresové testy
- Příklady užití: předpověď zisku pomocí strukturovaných a nestrukturovaných dat
Detekce podvodu a identifikace anomálií
- Použití GANs pro detekci anomálií v transakcích
- Identifikace nových vzorů podvodu prostřednictvím LLM pracovních postupů na základě dotazů
- Hodnocení modelu: lačné pozitivy vs skutečné rizikové ukazatele
Regulační a etické implikace
- Vysvětlitelnost a průhlednost výstupů generativního AI
- Riziko modelových halucinací a biasu ve finančních oblastech
- Dodržování regulačních očekávání (např. GDPR, pokyny Basel)
Návrh Generative AI Use Caseů pro finanční instituce
- Vytvoření firemních případů pro vnitřní zavedení
- Zvládání rovnováhy mezi inovací a rizikem a dodržováním pravidel
- Governity rámcové struktury pro odpovědné zavedení AI
Shrnutí a další kroky
Požadavky
- Přehled základních finančních a pojišťovacích konceptů
- Zkušenosti s tabulkami nebo základní analýzou dat
- Familiarita s Python je užitečná, ale není povinná
Cílová skupina
- Manažeři rizik
- Analysté shodu
- Finanční revizori
Reference (1)
Velmi jsem si cenil způsobu, jakým instruktor prezentoval všechny informace. Rozuměl jsem všemu, i když Finance není moje specializovaná oblast, zajistil, aby byli všichni účastníci na stejné úrovni, zároveň držel rytmus a čas. Cvičení byla umístěna ve vhodných intervaloch. Communication s účastníky byl vždy přítomen. Materiál byl dokonalý, nebylo to ani příliš málo, ani příliš mnoho. Důkladně vysvětlil některé komplexnější téma tak, aby je každý mohl pochopit.
Diana
Kurz - ChatGPT for Finance
Přeloženo strojem