Schulungsübersicht

Einführung in Edge AI bei Finanzdienstleistungen

  • Überblick über Edge AI und seine Anwendungen im Finanzwesen
  • Vorteile und Herausforderungen beim Einsatz von Edge AI im Bankwesen
  • Fallstudien erfolgreicher Edge AI-Anwendungen im Finanzwesen

Einrichten der Edge AI-Umgebung

  • Installieren und Konfigurieren von Edge AI-Tools
  • Integration von Finanzdatenquellen und Erfassungssystemen
  • Einführung in relevante Edge AI-Frameworks und -Bibliotheken
  • Praktische Übungen zur Einrichtung der Umgebung

Betrugserkennung mit Edge AI

  • Einführung in die Betrugserkennung
  • Entwicklung von KI-Modellen für die Echtzeit-Betrugserkennung
  • Implementierung von Systemen zur Erkennung von Anomalien
  • Praktische Übungen zur Betrugserkennung

Verbesserung des Kundenservices mit Edge AI

  • Überblick über den Kundenservice bei Finanzdienstleistungen
  • KI-Techniken für personalisierte Kundeninteraktionen
  • Implementierung von KI-gesteuerten Chatbots und virtuellen Assistenten
  • Praktische Übungen für Anwendungen im Kundenservice

Risiko Management mit Edge AI

  • Einführung in das Risikomanagement
  • Einsatz von KI zur Risikobewertung und -minderung in Echtzeit
  • Implementierung von KI-gesteuerten Entscheidungsunterstützungssystemen
  • Praktische Übungen für das Risikomanagement

Einsatz und Verwaltung von Edge AI-Lösungen

  • Einsatz von KI-Modellen auf Edge-Geräten im Finanzbereich
  • Überwachung und Wartung von Edge-KI-Systemen
  • Fehlerbehebung und Optimierung eingesetzter Modelle
  • Praktische Übungen für Einsatz und Management

Tools und Frameworks für Financial Edge AI

  • Überblick über Tools und Frameworks (z. B. TensorFlow Lite, OpenVINO)
  • Verwendung von TensorFlow Lite für KI-Anwendungen im Finanzbereich
  • Praktische Übungen mit Optimierungswerkzeugen

Real-World-Anwendungen und Fallstudien

  • Rückblick auf erfolgreiche Edge-AI-Projekte im Finanzbereich
  • Diskussion von branchenspezifischen Anwendungsfällen
  • Praktisches Projekt zur Erstellung und Optimierung einer realen KI-Anwendung im Finanzbereich

Zusammenfassung und nächste Schritte

Voraussetzungen

  • Verständnis von Konzepten der KI und des maschinellen Lernens
  • Erfahrung mit Finanzdienstleistungen und Fintech-Anwendungen
  • Grundlegende Programmierkenntnisse (Python empfohlen)

Zielgruppe

  • Finance Fachleute
  • Fintech Entwickler
  • KI-Spezialisten
 14 Stunden

Teilnehmerzahl


Preis je Teilnehmer