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

参加者の人数


参加者1人あたりの価格

お客様の声 (3)

今後のコース

関連カテゴリー