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.
Struttura del corso
Introduzione all'IA nel Financial Crime
- Panoramica sullo scandalo e AML nell'era della finanza digitale
- Verso tradizionale vs approcci basati sull'IA
- Casi di studio da Mastercard, JPMorgan e banche globali
Machine Learning per il monitoraggio delle transazioni
- Apprendimento supervisionato per la valutazione dei rischi e la classificazione
- Apprendimento non supervisionato per la rilevazione degli anomalie
- Generazione di allarmi in tempo reale e elaborazione delle strutture di streaming
Analisi dei grafi e rilevamento del rischio nei network
- Mоделлинг рисков между сущностями и транзакциями (Nota: Questo testo è parzialmente in russo, quindi lo lascio invariato)
- Rilevamento di schemi complessi fraudolenti tramite AI basata su grafi
- Pratica con Neo4j o strumenti simili
Trafficante di lingue naturali per AML
- Mining del testo nella conoscenza client (CDD)
- Sfoglia l'elenco dei nomi utilizzando la rilevazione delle entità nominate (NER)
- Risposta al prompt per la revisione dei documenti e i rapporti di attività sospette (SARs)
Governance del modello Go e spiegabilità
- Costruire modelli spiegabili ed esaminabili
- Rilevamento e mitigazione dello sbilanciamento negli algoritmi di rilevamento delle frodi
- Utilizzo delle tecniche XAI nelle impostazioni conformi
Etica, regolamentazione e rischio del modello
- Compliance con i framework AML e KYC (es. FATF, FinCEN, EBA)
- Etica dell'IA nella sorveglianza e nel monitoraggio dei clienti
- Norme di reporting ed esaminabilità regolamentare
Strategie di deploy e tendenze future
- Integrazione dei modelli AI nei sistemi transazionali esistenti
- Cicli di feedback e meccanismi per l'aggiornamento del modello
- Futuro dell'AI generativa nell'indagine delle frodi e nella automatizzazione SAR
Riepilogo e prossimi passi
Requisiti
- Una comprensione del rischio di frode e delle procedure AML (Anti-Money Laundering)
- esperienza con l'analisi dei dati o la compilazione di rapporti di conformità
- Familiarità di base con Python o piattaforme di analisi
Pubblico Obiettivo
- Professionisti del rischio di frode
- Squadre di conformità AML
- Gestori della sicurezza
14 ore
