Grazie per aver inviato la tua richiesta! Uno dei nostri team membri ti contatterà a breve.
Grazie per aver inviato il tuo prenotazione! Uno dei nostri team membri ti contatterà a breve.
Struttura del corso
Introduzione a Generative AI
- Panoramica dei modelli generativi e la loro rilevanza per il settore finanziario
- Tipologie di modelli generativi: LLMs, GANs, VAEs
- Vantaggi e limitazioni nei contesti finanziari
Reti Adversarial Generative (GAN) per Finance
- Funzionamento dei GAN: generatori vs discriminanti
- Applicazioni nella generazione di dati sintetici e simulazione della frode
- Studio di caso: generazione di dati transazionali realistici per il testing
Large Language Models (LLMs) e Prompt Engineering
- Come gli LLM comprendono e generano testo finanziario
- Progettazione degli stimoli per la previsione e l'analisi del rischio
- Casi d'uso: riepilogo dei rapporti finanziari, KYC, rilevamento bandiere rosse
Finanza Forecasting con Generative AI
- Previsione delle serie temporali con modelli ibridi LLM e ML
- Generazione di scenari e test di stress
- Caso d'uso: previsione dei ricavi utilizzando dati strutturati ed non strutturati
Rilevamento della frode e identificazione delle anomalie
- Utilizzo dei GAN per la rilevazione delle anomalie nelle transazioni
- Identificazione di modelli emergenti di frode tramite workflow basati sugli stimoli degli LLM
- Valutazione del modello: falsi positivi vs indicatori reali di rischio
Implicazioni regolative e etiche
- Spiegabilità e trasparenza nelle uscite dei modelli AI generativi
- Rischio di allucinazione del modello e bias nel settore finanziario
- Conformità con le aspettative regolatorie (ad esempio GDPR, linee guida Basel)
Progettazione di Generative AI Use Case per istituzioni finanziarie
- Costruzione di casi d'affari per l'adozione interna
- Bilanciamento tra innovazione, rischio e conformità
- Quadri di Governance per il rilascio responsabile dell'IA
Riepilogo e prossimi passaggi
Requisiti
- Comprensione dei concetti base di finanza e gestione dei rischi
- Esperienza con fogli di calcolo o analisi dati di base
- La familiarità con Python è utile ma non obbligatoria
Destinatari
- Gestori del rischio
- Analisti di conformità
- Revisori finanziari
14 ore
Recensioni (3)
Il contesto teorico degli LLM, l'esercizio
Joanne Wong - IPG HK Limited
Corso - Applied AI for Financial Statement Analysis & Reporting
Traduzione automatica
mi ha aperto la mente a nuovi strumenti che possono aiutarmi nella creazione di automazioni
Alessandra Parpajola - Advanced Bionics AG
Corso - Machine Learning & AI for Finance Professionals
Traduzione automatica
Ho molto apprezzato il modo in cui l'instruttore ha presentato tutto. Ho capito tutto anche se la Finanza non è il mio campo, si è assicurato che ogni partecipante fosse sulla stessa lunghezza d'onda, mantenendo comunque i tempi previsti. Gli esercizi erano collocati a intervalli appropriati. La comunicazione con i partecipanti era sempre presente. Il materiale era perfetto, non troppo abbondante e non troppo scarso. Ha approfondito molto bene gli argomenti un po' più complicati in modo che fossero comprensibili a tutti.
Diana
Corso - ChatGPT for Finance
Traduzione automatica
