Kursplan
Innføring i Generative AI
- Oversikt over generative modeller og deres relevans for finans
- Typer av generative modeller: LLMs, GANs, VAEs
- Styrker og begrensninger i finansielle sammenhenger
Generative Adversarial Networks (GANs) for Finance
- Hvordan GANs fungerer: generatører vs. diskriminatorer
- Applikasjoner innen syntetisk data generering og svindel-simulering
- Case study: generering av realistisk transaksjonsdata for testing
Large Language Models (LLMs) og Prompt Engineering
- Hvordan LLMs forstår og genererer finansiell tekst
- Utforming av prompter for prognoser og risikoanalyse
- Bruksområder: sammentrekking av finansielle rapporter, KYC, oppdagelse av røde flagg
Finansiell Forecasting med Generative AI
- Tidsserieprognoser med hybride LLM og ML-modeller
- Scenario-generering og stress-testing
- Bruksområde: inntektsprediksjon ved hjelp av strukturert og ustrukturert data
Svindeloppdagelse og identifisering av anomalier
- Bruk av GANs for oppdagelse av anomalier i transaksjoner
- Identifisering av nye svindelmønstre gjennom promptbaserte LLM-fløy
- Modellvurdering: falske positive vs. sanne risikoindikatorer
Regulerende og etiske implikasjoner
- Forklarbarhet og gjennomsiktighet i generative AI-utdata
- Risiko for modellhallusinasjoner og bias i finans
- Overholdelse av regelverksforventninger (f.eks. GDPR, Basel-retningslinjer)
Designing Generative AI Use Cases for finansinstitusjoner
- Bygging av forretningskrav for intern adopsjon
- Balansering av innovasjon med risiko og overholdelse
- Governsramverk for ansvarlig AI-implementering
Oppsummering og neste steg
Krav
- En forståelse av grunnleggende finansielle og risikohåndteringskonsepter
- Erfaring med regneark eller grunnleggende dataanalyse
- Kjennskap til Python er nyttig men ikke påkrevd
Målgruppe
- Risikohåndterere
- Compliance-analytikere
- Finansiell revisor
Referanser (1)
Jeg verdsette at treneren presenterte alt på en svært god måte. Jeg forsto alt, selv om Finance ikke er mitt fagfelt, sørget han for at alle deltakerne var på samme side, samtidig som han fulgte tidsrammen. Øvelsene var plassert i gode intervaller. Communication med deltakerne var alltid der. Materialet var perfekt, ikke for mye og ikke for lite. Han forklarte veldig godt litt mer kompliserte emner slik at alle kunne forstå det.
Diana
Kurs - ChatGPT for Finance
Machine Translated