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
- 生成モデルの概要と金融への関連性
- 生成モデルの種類：LLM、GAN、VAE
- 金融コンテキストにおける強みと限界
金融における敵対的生成ネットワーク（GAN）
- GANの動作原理：ジェネレーターとディスクリミネーター
- 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（LLM）とプロンプトエンジニアリング
- LLMが財務テキストを理解し生成する方法
- 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：財務報告書の要約、KYC、レッドフラッグ検出
生成AIによる財務予測
- ハイブリッドLLMとMLモデルを用いた時系列予測
- 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売上予測
不正検出と異常特定
- GANを用いた取引の異常検出
- プロンプトベースのLLMワークフローによる新興不正パターンの特定
- モデルの評価：偽陽性と真のリスク指標
規制上および倫理上の影響
- 生成AIの出力における説明可能性と透明性
- 金融におけるモデルのハルシネーション（幻覚）とバイアスのリスク
- 規制上の期待への適合性（例：GDPR、バーゼル基準）
金融機関のための生成AIユースケース設計
- 社内導入のためのビジネスケース構築
- 革新とリスクおよびコンプライアンスのバランス
- 責任あるAIデプロイメントのためのガバナンスフレームワーク
まとめと次のステップ
要求
- 基本的な財務およびリスク管理概念の理解
- スプレッドシートまたは基本的なデータ分析の経験
- Pythonへの習熟は有益ですが、必須ではありません
対象読者
- リスクマネージャー
- コンプライアンスアナリスト
- 財務監査人
14 時間
お客様の声 (1)
すでにいくつかのレポートを作成済みです。本日確認したプロンプトの一部を利用する予定です。
Kelly Cotham
コース - Copilot for Finance and Accounting Professionals
機械翻訳
