Tack för att du skickade din fråga! En av våra teammedlemmar kontaktar dig snart.
Tack för att du skickade din bokning! En av våra teammedlemmar kontaktar dig snart.
Kursplan
Introduktion till AI i finansiella tjänster
- Användningsfall: bedrägeridetektering, kreditscore, complianceövervakning
- Regulatoriska överväganden och riskramar
- Översikt över finjustering i högriskmiljöer
Förberedelse av finansiella data för finjustering
- Källor: transaktionsloggar, kunddemografi, beteendedata
- Datasekretess, anonymisering och säker bearbetning
- Feature engineering för tabell- och tidsserie-data
Modelfinjusterings tekniker
- Överföringsinlärning och modellanpassning till finansiella data
- Domänsspecifika förlustfunktioner och metrik
- Användning av LoRA och adapterfinjustering för effektiva uppdateringar
Riskprediktionsmodellering
- Prediktiv modellering för lånsoverskott och kreditscore
- Balansera tolkningsbarhet mot prestanda
- Hantering av ojämnt fördelade datasätt i riskscenarier
Bedrägeridetekteringsapplikationer
- Bygga anomalidetektionspipelines med finjusterade modeller
- Real-tids- vs. batch-bedrägeriprediktionsstrategier
- Hybridmodeller: regelbaserade + AI-drivna detektioner
Utvärdering och förklarbarhet
- Modellutvärdering: precision, recall, F1, AUC-ROC
- SHAP, LIME och andra förklarbarhetssverktyg
- Auditing och compliance-rapportering med finjusterade modeller
Distribuering och övervakning i produktionsmiljö
- Integrera finjusterade modeller i finanstjänstepaltformar
- CI/CD-pipeliner för AI i bank-system
- Övervakning av drift, omtraning och livscykelhantering
Sammanfattning och nästa steg
Krav
- En förståelse för övervakade inlärningstekniker
- Erfarenhet av Pythonbaserade maskininlärningsramverk
- Kännedom om finansiella datasätt som transaktionsloggar, kreditscore eller KYC-data
Målgrupp
- Datavetare inom finansiella tjänster
- AI-ingenjörer som arbetar med fintech eller bankinstitUTIONer
- Maskininlärningsprofessorer som bygger risk- eller bedrägerimodeller
14 Timmar