Contattataci

Struttura del corso

Introduzione all’intelligenza artificiale generativa

  • Panoramica sui modelli generativi e sulla loro rilevanza nel contesto finanziario
  • Tipologie di modelli generativi: LLM, GAN, VAE
  • Punti di forza e limitazioni nei settori finanziari

Reti Avversarie Generative (GAN) nel settore finanziario

  • Funzionamento delle GAN: generatore contro discriminatore
  • Applicazioni nella creazione di dati sintetici e nella simulazione di frodi
  • Studio di caso: generazione di dati transazionali realistici per scopi di test

Modelli Linguistici di Grande Dimensione (LLM) e ingegneria dei prompt

  • Come gli LLM comprendono ed elaborano il testo finanziario
  • Formulazione di prompt efficaci per attività di previsione e analisi del rischio
  • Esempi pratici: sintesi di report finanziari, verifica della clientela (KYC) e rilevamento di segnali di allarme

Previsione economica mediante intelligenza artificiale generativa

  • Proiezioni temporali tramite modelli ibridi che combinano LLM e apprendimento automatico
  • Generazione di scenari alternativi e test di stress economico
  • Applicazione pratica: previsione dei ricavi basata su dati strutturati e non strutturati

Rilevamento delle frodi e individuazione di anomalie

  • Utilizzo delle GAN per il rilevamento di transazioni anomale
  • Identificazione dei nuovi schemi fraudolenti mediante workflow basati su LLM e prompt personalizzati
  • Valutazione dei risultati: differenze tra falsi positivi e veri indicatori di rischio

Implicazioni normative ed etiche dell’utilizzo di tali tecnologie

  • Necessità di trasparenza e spiegabilità nei risultati prodotti dai modelli generativi
  • Rischi legati alle cosiddette “allucinazioni” dei modelli e alla presenza di bias nel settore finanziario
  • Rispetto delle normative vigenti, tra cui il GDPR e le linee guida di Basilea

Progettazione di applicazioni basate su intelligenza artificiale generativa per istituzioni finanziarie

  • Sviluppo di casi d’uso idonei a favorire l’adozione interna di tali tecnologie
  • Equilibrio tra innovazione, gestione del rischio e conformità normativa
  • Struttura di governance per un’implementazione responsabile dell’intelligenza artificiale

Sintesi finale e prossimi passi

Requisiti

  • Conoscenza di base dei concetti finanziari e della gestione del rischio
  • Esperienza nell’utilizzo di fogli di calcolo o in analisi dati elementare
  • La familiarità con Python è utile, ma non indispensabile

Destinatari

  • Responsabili della gestione del rischio
  • Analisti incaricati della conformità normativa
  • Revisori finanziari
 14 ore

Numero di Partecipanti


Prezzo per partecipante

Recensioni (1)

Corsi in Arrivo

Categorie relative