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.
Programa del Curso
Introducción a Generative AI
- Visión general de los modelos generativos y su relevancia en finanzas
- Tipos de modelos generativos: LLMs, GANs, VAEs
- Ventajas y limitaciones en contextos financieros
Redes Neuronales Adversarias Generativas (GANs) para Finance
- Cómo funcionan las GANs: generadores vs discriminadores
- Aplicaciones en la generación de datos sintéticos y simulación de fraudes
- Caso de estudio: generar datos transaccionales realistas para pruebas
Large Language Models (LLMs) y Prompt Engineering
- Cómo los LLMs entienden y generan texto financiero
- Diseño de prompts para pronósticos y análisis de riesgos
- Casos de uso: resumen de informes financieros, KYC, detección de banderas rojas
Finanzas Forecasting con Generative AI
- Pronóstico de series temporales con modelos híbridos LLM y ML
- Generación de escenarios y pruebas de estrés
- Caso de uso: predicción de ingresos usando datos estructurados e inestructurados
Detección de Fraudes e Identificación de Anomalías
- Uso de GANs para la detección de anomalías en transacciones
- Identificación de patrones emergentes de fraude a través de flujos de trabajo basados en prompts LLM
- Evaluación del modelo: falsos positivos vs indicadores de riesgo reales
Implicaciones Regulatorias y Éticas
- Explicabilidad y transparencia en las salidas de IA generativa
- Riesgos de la hallucinación del modelo y sesgos en finanzas
- Cumplimiento con expectativas regulatorias (por ejemplo, GDPR, directrices de Basel)
Diseño de Generative AI Use Cases para Instituciones Financieras
- Construcción de casos de negocio para la adopción interna
- Balancing innovación con riesgo y cumplimiento
- Goarnizaciones para el despliegue responsable de IA
Resumen y Próximos Pasos
Requerimientos
- Comprensión de conceptos básicos de finanzas y gestión de riesgos
- Experiencia con hojas de cálculo o análisis de datos básico
- Familiaridad con Python es útil, pero no obligatoria
Publico objetivo
- Gestores de riesgos
- Analistas de cumplimiento
- Auditores financieros
14 Horas