お問い合わせを送信いただきありがとうございます!当社のスタッフがすぐにご連絡いたします。
予約を送信いただきありがとうございます!当社のスタッフがすぐにご連絡いたします。
コース概要
生成AIの概要
- 生成モデルと金融への関連性の概要
- 生成モデルの種類:LLMs, GANs, VAEs
- 金融コンテキストにおける強みと制限点
金融向け生成対抗ネットワーク(GANs)
- GANsの仕組み:ジェネレータ vs. ディスクリミネータ
- 合成データ生成と不正シミュレーションへの応用
- ケーススタディ:テスト用の現実的な取引データの生成
大規模言語モデル(LLMs)とプロンプトエンジニアリング
- LLMsが金融テキストを理解し生成する仕組み
- 予測とリスク分析のためのプロンプト設計
- ユースケース:金融報告書要約、KYC、赤旗検出
生成AIを用いた金融予測
- ハイブリッドLLMとMLモデルによる時系列予測
- シナリオ生成とストレステスト
- ユースケース:構造化データと非構造化データを用いた収益予測
不正検知と異常識別
- GANsを用いた取引の異常検知
- プロンプトベースのLLMワークフローによる新規不正パターンの識別
- モデル評価:偽陽性と真のリスク指標
規制と倫理的影響
- 生成AI出力における説明可能性と透明性
- ファンジーとバイアスのリスク
- 規制要件への適合(例:GDPR、バーゼル指針)
金融機関向け生成AIユースケースの設計
- 内部導入のためのビジネスケースの構築
- 革新とリスク、コンプライアンスのバランス
- 責任あるAI展開のためのガバナンスフレームワーク
まとめと次へのステップ
要求
- 基本的な金融とリスク管理の概念を理解していること
- スプレッドシートや基本的なデータ分析の経験があること
- Pythonに慣れ親しんでいることが役立つが、必須ではない
対象者
- リスク管理者
- コンプライアンスアナリスト
- 金融監査人
14 時間
お客様の声 (2)
言語から自動化まで一貫して取り組むことで、自分がどのような能力を持っているのかを認識するようになりました。
Declan Glennon - Teleflex Medical Europe Ltd
コース - Copilot for Finance and Accounting Professionals
機械翻訳
The background / theory of LLMs, the exercise