Schulungsübersicht
Einführung in multimodales KI für Finanzen
- Überblick über multimodale KI und ihre Anwendungen in der Finanzwelt
- Arten von Finanzdaten: strukturiert vs. unstrukturiert
- Herausforderungen bei der Einführung von KI in der Finanzbranche
Risikoanalyse mit multimodaler KI
- Grundlagen des Finanzrisikomanagements
- Verwendung von KI für die prognostische Risikobewertung
- Fallstudie: KI-gestützte Kreditbewertungsmodelle
Betrugserkennung mit KI
- Übliche Arten von Finanzbetrug
- KI-Techniken zur Anomalieerkennung
- Strategien für die Echtzeit-Betrugserkennung
Natural Language Processing (NLP) für Finanztextanalyse
- Extrahieren von Erkenntnissen aus Finanzberichten und Nachrichten
- Sentiment-Analyse für Marktvorhersagen
- Verwendung von LLMs für regulatorische Einhaltung und Auditing
Computer Vision in der Finanzwelt
- Erkennen von betrügerischen Dokumenten mit KI
- Analyse von Handschriften und Signaturen für Authentifikation
- Fallstudie: KI-gestützte Prüfung von Schecks
Verhaltensanalyse zur Betrugserkennung
- Nachverfolgen des Kundenverhaltens mit KI
- Biometrische Authentifikation und Betrugsvorbeugung
- Analyse von Transaktionsmustern auf verdächtige Aktivitäten
Entwicklung und Bereitstellung von KI-Modellen für Finanzen
- Datenvorverarbeitung und Feature Engineering
- Training von KI-Modellen für finanzbezogene Anwendungen
- Bereitstellung von KI-gestützten Betrugserkennungssystemen
Regulatorische und ethische Überlegungen
- KI-Governance und Einhaltung von Vorschriften in Finanzinstituten
- Verzerrungen und Fairness in finanzbezogenen KI-Modellen
- Best Practices für die verantwortungsvolle Nutzung von KI in der Finanzwelt
Zukünftige Trends in AI-gestützten Finanzen
- Fortschritte in der KI für finanzbezogene Prognosen
- Neue KI-Techniken zur Betrugsvorbeugung
- Die Rolle von KI in Zukunft von Banken und Investitionen
Zusammenfassung und weitere Schritte
Voraussetzungen
- Grundkenntnisse in KI und maschinellem Lernen
- Verständnis von Finanzdaten und Risikomanagement
- Erfahrung mit Python-Programmierung und Datenanalyse
Zielgruppe
- Finanzfachleute
- Datenanalysten
- Risikomanager
- KI-Ingenieure im Finanzsektor
Erfahrungsberichte (4)
Dozenten können alle Fragen beantworten und Anfragen entgegennehmen.
Dewi Anggryni - PT Dentsu International Indonesia
Kurs - Copilot for Finance and Accounting Professionals
Maschinelle Übersetzung
Die Hintergrundinformationen / Theorie der LLMs, die Übung
Joanne Wong - IPG HK Limited
Kurs - Applied AI for Financial Statement Analysis & Reporting
Maschinelle Übersetzung
I like the examples, so we have an idea of what is possible
Deborah Highes
Kurs - Machine Learning & AI for Finance Professionals
Maschinelle Übersetzung
Interaktion mit dem Publikum, nicht zu technisch
Larisa
Kurs - ChatGPT for Finance
Maschinelle Übersetzung