聯繫我們

課程簡介

生成式AI簡介

  • 生成模型的概覽及其在金融領域的相關性。
  • 生成模型的類型:LLMs、GANs、VAEs。
  • 在金融情境中的優勢與限制。

應用於金融的生成對抗網路(GANs)

  • GANs的工作原理:生成器與判别器。
  • 在合成數據生成與欺诈模擬中的應用。
  • 案例研究:生成用於測試的逼真交易數據。

大型語言模型(LLMs)與提示工程

  • LLMs如何理解並生成金融文本。
  • 設計用於預測與風險分析的提示詞。
  • 用例:財務報告摘要、KYC(了解你的客戶)、紅旗偵測。

使用生成式AI進行金融預測

  • 結合LLM與機器學習模型的時間序列預測。
  • 情境生成與壓力測試。
  • 用例:利用結構化與非結構化數據進行營收預測。

欺诈偵測與異常識別

  • 使用GANs進行交易異常偵測。
  • 透過基於提示的LLM工作流識別新興欺诈模式。
  • 模型評估:假陽性與真實風險指標。

監管與道德影響

  • 生成式AI輸出的可解釋性與透明度。
  • 金融領域中模型幻覺與偏差的風險。
  • 符合監管要求(如GDPR、巴塞爾協議指南)。

為金融機構設計生成式AI用例

  • 建立內部採用的商業案例。
  • 平衡創新、風險與合規。
  • 負責任的AI部署治理框架。

總結與下一步計畫

最低要求

  • 具備基本金融與風險管理概念的理解。
  • 有電子表格或基礎數據分析經驗。
  • 熟悉Python語言會有所幫助,但非必要條件。

目標受眾

  • 風險管理師。
  • 合規分析師。
  • 金融審計師。
 14 小時

人數


每位參與者的報價

客戶評論 (1)

即將到來的課程

課程分類