Hvala što ste poslali upit! Jedan od naših članova tima će vas uskoro kontaktirati.
Hvala što ste poslali rezervaciju! Jedan od naših članova tima će vas uskoro kontaktirati.
Trajanje 14 sati
Sadržaj kursa
Uvod u generativnu veštačku inteligenciju
- Pregled generativnih modela i njihove relevantnosti za finansije
- Vrste generativnih modela: LLM, GAN, VAE
-
Snage i ograničenja u finansijskom kontekstu
Generativne adversarne mreže (GAN) u finansijama
- Kako GAN rade: generatori u odnosu na diskriminatorе
- Primena u generisanju sintetičkih podataka i simulaciji prevare
- Studija slučaja: generisanje realističnih podataka o transakcijama za testiranje
Veliki jezički modeli (LLM) i inženjering zapovednika
- Kako LLM razumeju i generišu finansijski tekst
- Dizajniranje zapovednika za prognoze i analizu rizika
- Primene: sažimanje finansijskih izveštaja, KYC postupci, detekcija crvenih zastavica
Finansijske prognoze uz generativnu veštačku inteligenciju
- Vremensko serijsko prognoziranje pomoću hibridnih LLM i ML modela
- Generisanje scenarija i stres testiranje
- Primer iz prakse: predviđanje prihoda korišćenjem strukturiranih i nestrukturiranih podataka
Detekcija prevare i identifikacija anomalija
- Korišćenje GAN za detekciju anomalija u transakcijama
- Identifikacija nastajućih obrazaca prevare kroz LLM radne tokove zasnovane na zapovednicima
- Evaluacija modela: lažno pozitivne vrednosti u odnosu na prave indikatore rizika
Regulatorne i etičke posledice
- Objašnjivost i prozirnost u izlazima generativne veštačke inteligencije
- Rizik od halucinacije modela i pristrasnosti u finansijama
- Usklađenost sa regulatornim očekivanjima (npr. GDPR, Bazelske smernice)
Dizajniranje primera iz prakse generativne veštačke inteligencije za finansijske institucije
- Kreiranje poslovnih opravdanja za unutrašnje usvajanje
- Balansiranje inovacija sa rizikom i usklađenošću
- Okvirima upravljanja za odgovorno usvajanje veštačke inteligencije
Rezime i naredni koraci
Uslovi
- Razumevanje osnovnih koncepata finansija i upravljanja rizikom
- Iskustvo sa tabele (spreadsheets) ili osnovnom analizom podataka
- Znanje iz programskog jezika Python je korisno, ali nije obavezno
Ciljna grupa
- Menedžeri rizika
- Analitičari usklađenosti (compliance)
- Finansijski revizori
Iskustva korisnika (1)
Već imam izveštaje koje poznajem i planiram da koristim neke od promptova koje smo razmatrali danas.
Kelly Cotham
Kurs - Copilot for Finance and Accounting Professionals
Mašinski prevedeno
