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.
Kursplan
Introduktion till AI i Financial Crime
- Översikt över bedrägeri och AML i den digitala finansiella eran
- Traditionella vs AI-baserade tillvägagångssätt
- Fallstudier från Mastercard, JPMorgan och globala banker
Machine Learning för Transaktionsövervakning
- Övervakad inlärning för riskbedömning och klassificering
- Oövervakad inlärning för upptäckt av anomalier
- Generering av realtidsvarningar och strömbehandling
Grafanalys och Detektion av Nätverksrisker
- Modellering av relationer mellan entiteter och transaktioner
- Upptäckt av komplexa bedrägeriplaner med graf AI
- Praktisk övning med Neo4j eller liknande verktyg
Naturlig språkanalys för AML
- Textmining i kundens due diligence (CDD)
- Övervakningslistor med hjälp av named entity recognition (NER)
- Promptbaserad dokumentgranskning och rapporter om misstänkta aktiviteter (SARs)
Modell Go styrning och Förklarbarhet
- Byggande av förklarbara och granskbara modeller
- Upptäckt och åtgärd av bias i bedrägeridetektionsalgoritmer
- Användning av XAI-tekniker i sammanhang för överensstämmelse
Etik, Reglering och Modellrisk
- Överensstämmelse med AML och KYC-ramverk (t.ex. FATF, FinCEN, EBA)
- AI-etik i övervakning och kundövervakning
- Rapporteringsstandarder och möjlighet till regleringsgranskning
Strategier för Distribution och Framtida Trender
- Integration av AI-modeller i befintliga transaktionssystem
- Feedback-loopar och mekanismer för modelluppdatering
- Framtiden för generativ AI i bedrägeriuppföljning och automatisering av SAR
Sammanfattning och Nästa Steg
Krav
- Förståelse för bedrägeririsk och AML-procedurer
- Erfarenhet av dataanalys eller samtyckesrapportering
- Grundläggande kännedom om Python eller analytiska plattformar
Målgrupp
- Bedrägeririskprofessionella
- AML-samtyckesteam
- Säkerhetschefer
14 timmar