Kontakt aufnehmen

Schulungsübersicht

Einführung in multimodale KI für den Finanzsektor

  • Überblick über multimodale KI und deren finanzielle Anwendungen
  • Arten finanzieller Daten: strukturiert versus unstrukturiert
  • Herausforderungen bei der Einführung von KI im Finanzwesen

Risikoanalyse mit multimodaler KI

  • Grundlagen des finanziellen Risikomanagements
  • Einsatz von KI für prädiktive Risikobewertungen
  • Fallstudie: KI-gestützte Credit-Scoring-Modelle

Betrugserkennung mittels KI

  • Häufige Arten von Finanzbetrug
  • KI-Techniken zur Anomalieerkennung
  • Strategien zur Echtzeit-Betrugserkennung

Natural Language Processing (NLP) für die Analyse finanzieller Texte

  • Extrahieren von Erkenntnissen aus Finanzberichten und Nachrichten
  • Sentiment-Analyse zur Marktprognose
  • Einsatz grosser Sprachmodelle (LLMs) für regulatorische Compliance und Auditing

Computer Vision in der Finanzwelt

  • Erkennung gefälschter Dokumente mittels KI
  • Analyse von Handschrift und Unterschriften zur Authentifizierung
  • Fallstudie: KI-gestützte Scheckverifikation

Verhaltensanalyse zur Betrugserkennung

  • Verfolgung des Kundenverhaltens mit KI
  • Biometrische Authentifizierung und Betrugsprävention
  • Analyse von Transaktionsmustern auf verdächtige Aktivitäten

Entwicklung und Bereitstellen von KI-Modellen für den Finanzsektor

  • Datenvorverarbeitung und Feature-Engineering
  • Schulung von KI-Modellen für finanzielle Anwendungen
  • Bereitstellen von KI-basierten Betrugserkennungssystemen

Regulierung und ethische Aspekte

  • KI-Governance und Compliance in Finanzinstituten
  • Verzerrung (Bias) und Fairness in finanziellen KI-Modellen
  • Best Practices für den verantwortungsvollen Einsatz von KI im Finanzwesen

Zukunftstrends in KI-gestützten Finanzdienstleistungen

  • Fortschritte bei der Anwendung von KI für die Finanzprognose
  • Neue KI-Techniken zur Betrugsprävention
  • Die Rolle der KI in der Zukunft von Banken und Investitionen

Zusammenfassung und weitere Schritte

Voraussetzungen

  • Grundkenntnisse in KI- und Machine-Learning-Konzepten
  • Verständnis für Finanzdaten und Risikomanagement
  • Erfahrungen mit der Python-Programmierung und Datenanalyse

Zielgruppe

  • Finanzfachleute
  • Datenanalysten
  • Risikomanager
  • KI-Ingenieure im Finanzsektor
 14 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Erfahrungsberichte (1)

Kommende Kurse

Verwandte Kategorien