Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Schulungsübersicht
Einführung in die generative KI
- Übersicht über generative Modelle und ihre Relevanz für die Finanzwelt
- Arten generativer Modelle: LLMs, GANs, VAEs
- Stärken und Einschränkungen in finanziellen Kontexten
Generative Adversarial Networks (GANs) in der Finanzwelt
- Funktionsweise von GANs: Generatoren vs. Diskriminatoren
- Anwendungen bei der Erzeugung synthetischer Daten und der Simulation von Betrug
- Fallstudie: Generierung realistischer Transaktionsdaten für Tests
Large Language Models (LLMs) und Prompt Engineering
- Wie LLMs finanziellen Text verstehen und generieren
- Gestaltung von Prompts für Prognosen und Risikoanalyse
- Anwendungsfälle: Zusammenfassung von Finanzberichten, KYC, Erkennung von Warnsignalen
Finanzielle Prognostik mit generativer KI
- Zeitreihenvorhersagen mit hybriden LLM- und ML-Modellen
- Szenarioerzeugung und Stresstests
- Anwendungsfall: Umsatzvorhersage unter Verwendung strukturierter und unstrukturierter Daten
Betrugserkennung und Anomalieidentifikation
- Einsatz von GANs zur Anomalieerkennung in Transaktionen
- Identifizierung aufkommender Betrugsmuster durch promptbasierte LLM-Workflows
- Modellauswertung: Falsch-positive Ergebnisse vs. echte Risikoundikatoren
Regulatorische und ethische Auswirkungen
- Erklärbarkeit und Transparenz bei generativen KI-Ausgaben
- Risiko von Modell-Halluzinationen und Verzerrungen in der Finanzwelt
- Einhaltung regulatorischer Anforderungen (z. B. DSGVO, Baseler Leitlinien)
Gestaltung von Anwendungsfällen für generative KI in Finanzinstituten
- Entwicklung von Geschäftsmodellen für die interne Einführung
- Balance zwischen Innovation und Risiko- bzw. Compliance-Anforderungen
- Governance-Rahmenwerke für die verantwortungsvolle KI-Einführung
Zusammenfassung und nächste Schritte
Voraussetzungen
- Grundlegendes Verständnis von Konzepten der Finanzwirtschaft und Risikomanagement
- Erfahrung mit Tabellenkalkulation oder grundlegender Datenanalyse
- Kenntnisse in Python sind von Vorteil, jedoch nicht zwingend erforderlich
Zielgruppe
- Risikomanager
- Compliance-Analysten
- Wirtschaftsprüfer
14 Stunden
Erfahrungsberichte (1)
Ich habe bereits einige Berichte, die ich kenne, und werde einige der heute besprochenen Prompts verwenden.
Kelly Cotham
Kurs - Copilot for Finance and Accounting Professionals
Maschinelle Übersetzung
