Kursplan
Introduktion till Generative AI
- Översikt över generativa modeller och deras relevans för finans
- Typer av generativa modeller: LLMs, GANs, VAEs
- Styrkor och begränsningar i finansiella sammanhang
Generativa Adversariska Nätverk (GANs) för Finance
- Hur GANs fungerar: generatörer vs. diskriminatorer
- Användningsområden för syntetisk datagenerering och bedrägerisimulering
- Fallstudie: generering av realistiska transaktionsdata för testning
Large Language Models (LLMs) och Prompt Engineering
- Hur LLMs förstår och genererar finansiell text
- Utformning av prompts för prognostisering och riskanalys
- Användningsområden: sammanfattning av finansiella rapporter, KYC, upptäckt av varningssignaler
Finansiell Forecasting med Generative AI
- Tidsserieprognostisering med hybrida LLM- och ML-modeller
- Scenariogenerering och stress-testning
- Användningsområde: inkomstprognostisering med strukturerad och ostrukturerad data
Upptäckt av bedrägeri och identifiering av avvikelser
- Användning av GANs för avvikelseupptäckt i transaktioner
- Identifiering av nya bedrägerimönster genom promptbaserade LLM-arbetsflöden
- Modellutvärdering: falska positivt vs. verkliga riskindikatorer
Regulatoriska och etiska implikationer
- Förklarbarhet och transparens i generativ AI-utdata
- Risk för modellhallucination och bias i finans
- Efterlevnad av regulatoriska förväntningar (t.ex. GDPR, Basel-riktlinjer)
Utformning av Generative AI Use Caseer för finansiella institutioner
- Byggande av affärsfall för intern adoption
- Balansering av innovation med risk och efterlevnad
- Gostyreffekter för ansvarsfull AI-implementering
Sammanfattning och nästa steg
Krav
- Förståelse för grundläggande finans- och riskhanteringskoncept
- Erfarenhet av kalkylblad eller grundläggande dataanalys
- Kännedom om Python är till hjälp men inte nödvändigt
Målgrupp
- Riskhanterare
- Komplianseanalytiker
- Finansiella revisorer
Vittnesmål (1)
Jag uppskattade verkligen sättet på vilket utbildaren presenterade allt. Jag förstod allt även om Finance inte är mitt område, han såg till att alla deltagare var på samma sida medan han håller reda på tiden som återstod. Övningarna var placerade på bra intervaller. Communication med deltagarna fanns alltid där. Materialet var perfekt, varken för mycket eller för lite. Han förklarade väldigt bra lite mer komplicerade ämnen så att alla kunde förstå.
Diana
Kurs - ChatGPT for Finance
Maskintolkat