Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Temario del curso
Introducción a la IA en Financial Crime
- Visión general del fraude y AML en la era de las finanzas digitales
- Enfoques tradicionales vs basados en IA
- Estudios de caso de Mastercard, JPMorgan y bancos globales
Machine Learning para el Monitoreo de Transacciones
- Aprendizaje supervisado para la puntuación de riesgo y clasificación
- Aprendizaje no supervisado para la detección de anomalías
- Generación en tiempo real de alertas y procesamiento de flujo
Análisis de Grafos y Detección de Riesgos en Redes
- Modelado de relaciones entre entidades y transacciones
- Detección de esquemas complejos de fraude mediante IA de grafos
- Práctica con Neo4j u otras herramientas similares
Procesamiento del Lenguaje Natural para AML
- Minería de texto en el debido diligenciamiento del cliente (CDD)
- Escaneo de listas vigiladas usando reconocimiento de entidades nombradas (NER)
- Revisión de documentos y reportes de actividades sospechosas mediante plantillas
Model Governance y Explicabilidad
- Creación de modelos explicables y auditables
- Detección y mitigación del sesgo en algoritmos de detección de fraude
- Uso de técnicas XAI en entornos de cumplimiento
Ética, Regulaciones y Riesgos del Modelo
- Cumplimiento con los marcos AML y KYC (por ejemplo, FATF, FinCEN, EBA)
- Ética de la IA en vigilancia y monitoreo de clientes
- Estándares de reporte y auditabilidad regulatoria
Estrategias de Implementación y Tendencias Futuras
- Integración de modelos de IA en sistemas transaccionales existentes
- Ciclos de retroalimentación y mecanismos de actualización del modelo
- Futuro de la IA generativa en investigaciones de fraude y automatización de reportes de actividades sospechosas (SAR)
Resumen y Próximos Pasos
Requerimientos
- Comprensión de los riesgos fraudulentos y los procedimientos AML
- Experiencia en el análisis de datos o informes de cumplimiento
- Familiaridad básica con Python u plataformas analíticas
Público Objetivo
- Profesionales en riesgos fraudulentos
- Equipos de cumplimiento AML
- Gerentes de seguridad
14 Horas
Testimonios (2)
pasó por el lenguaje hasta llegar a la automatización y me dio conciencia de las capacidades que tengo.
Declan Glennon - Teleflex Medical Europe Ltd
Curso - Copilot for Finance and Accounting Professionals
Traducción Automática
El fondo / teoría de los modelos de lenguaje grandes (LLMs), el ejercicio
Joanne Wong - IPG HK Limited
Curso - Applied AI for Financial Statement Analysis & Reporting
Traducción Automática