Επικοινωνήστε μαζί μας

Εξέλιξη Κομματιού

Εισαγωγή στην Παραγωγική Τεχνητή Νοημοσύνη

  • Επισκόπηση των παραγωγικών μοντέλων και της συνάφειάς τους με τα χρηματοοικονομικά
  • Είδη παραγωγικών μοντέλων: LLMs, GANs, VAEs
  • Πλεονεκτήματα και περιορισμοί σε χρηματοοικονομικά πλαίσια

Γεννητικά Αντιπαραθετικά Δίκτυα (GANs) για τα Χρηματοοικονομικά

  • Πώς λειτουργούν τα GANs: γεννήτορες έναντι διακριτικών
  • Εφαρμογές στην παραγωγή συνθετικών δεδομένων και στην προσομοίωση απάτης
  • Μελέτη περίπτωσης: δημιουργία ρεαλιστικών συναλλακτικών δεδομένων για δοκιμές

Μεγάλα Γλωσσικά Μοντέλα (LLMs) και Μηχανική Προτροπών

  • Πώς τα LLMs κατανοούν και παράγουν χρηματοοικονομικό κείμενο
  • Σχεδιασμός προτροπών για πρόβλεψη και ανάλυση κινδύνου
  • Περιπτώσεις χρήσης: σύνοψη χρηματοοικονομικών αναφορών, KYC, ανίχνευση ενδείξεων κινδύνου

Χρηματοοικονομικές Προβλέψεις με Παραγωγική Τεχνητή Νοημοσύνη

  • Πρόβλεψη χρονοσειρών με υβριδικά μοντέλα LLM και μηχανικής μάθησης
  • Δημιουργία σεναρίων και προσομοίωση ακραίων καταστάσεων
  • Περίπτωση χρήσης: πρόβλεψη εσόδων με χρήση δομημένων και μη δομημένων δεδομένων

Ανίχνευση Απάτης και Εντοπισμός Ανωμαλιών

  • Χρήση GANs για τον εντοπισμό ανωμαλιών σε συναλλαγές
  • Αναγνώριση αναδυόμενων μοτίβων απάτης μέσω ροών εργασίας LLM που βασίζονται σε προτροπές
  • Αξιολόγηση μοντέλων: ψευδώς θετικά έναντι πραγματικών δεικτών κινδύνου

Κανονιστικές και Ηθικές Επιπτώσεις

  • Επεξηγησιμότητα και διαφάνεια στις εξόδους της παραγωγικής Τεχνητής Νοημοσύνης
  • Κίνδυνος ψευδαισθητικής παραγωγής μοντέλων και μεροληψίας στα χρηματοοικονομικά
  • Συμμόρφωση με κανονιστικές προσδοκίες (π.χ. GDPR, οδηγίες της Βασιλείας)

Σχεδιασμός Περιπτώσεων Χρήσης Παραγωγικής Τεχνητής Νοημοσύνης για Χρηματοπιστωτικά Ιδρύματα

  • Δημιουργία επιχειρηματικών υποθέσεων για εσωτερική υιοθέτηση
  • Εξισορρόπηση της καινοτομίας με τον κίνδυνο και τη συμμόρφωση
  • Πλαίσια διακυβέρνησης για υπεύθυνη ανάπτυξη Τεχνητής Νοημοσύνης

Σύνοψη και Επόμενα Βήματα

Απαιτήσεις

  • Κατανόηση βασικών εννοιών χρηματοοικονομικών και διαχείρισης κινδύνου
  • Εμπειρία με λογιστικά φύλλα ή βασική ανάλυση δεδομένων
  • Εξοικείωση με την Python είναι χρήσιμη αλλά όχι απαραίτητη

Ακροατήριο

  • Διαχειριστές κινδύνου
  • Αναλυτές συμμόρφωσης
  • Οικονομικοί ελεγκτές
 14 Ώρες

Αριθμός συμμετέχοντων


Τιμή ανά συμμετέχοντα

Σχόλια (1)

Εφεξής Μαθήματα

Σχετικές Κατηγορίες