Merci d'avoir envoyé votre demande ! Un membre de notre équipe vous contactera sous peu.
Merci d'avoir envoyé votre réservation ! Un membre de notre équipe vous contactera sous peu.
Plan du cours
Introduction à l'IA dans les crimes financiers
- Aperçu de la fraude et de l'AML à l'ère de la finance numérique
- Approches traditionnelles vs approches basées sur l'IA
- Études de cas provenant de Mastercard, JPMorgan et des banques mondiales
Apprentissage automatique pour la surveillance des transactions
- Apprentissage supervisé pour la notation des risques et la classification
- Apprentissage non supervisé pour la détection d'anomalies
- Génération d'alertes en temps réel et traitement en continu
Analyse de graphes et détection des risques réseau
- Modélisation des relations entre les entités et les transactions
- Détection des schémas de fraude complexes à l'aide de l'IA graphique
- Pratique avec Neo4j ou des outils similaires
Traitement du langage naturel pour l'AML
- Exploitation de textes dans la diligence raisonnable sur les clients (CDD)
- Balayage des listes de surveillance à l'aide de la reconnaissance d'entités nommées (NER)
- Revue de documents basée sur des requêtes et rapports d'activités suspectes (SAR)
Gouvernance des modèles et explicabilité
- Création de modèles explicables et auditable
- Détection et atténuation des biais dans les algorithmes de détection de fraude
- Utilisation des techniques d'IA explicable (XAI) dans les contextes de conformité
Éthique, réglementation et risque de modèle
- Conformité aux cadres AML et KYC (par ex. FATF, FinCEN, EBA)
- Éthique de l'IA dans la surveillance et le suivi des clients
- Normes de reporting et audibilité réglementaire
Stratégies de déploiement et tendances futures
- Intégration des modèles d'IA dans les systèmes transactionnels existants
- Boucles de rétroaction et mécanismes de mise à jour des modèles
- Avenir de l'IA générative dans l'enquête sur les fraudes et l'automatisation des SAR
Résumé et prochaines étapes
Pré requis
- Une bonne compréhension des risques de fraude et des procédures AML
- Une expérience en analyse de données ou en reporting de conformité
- Une connaissance basique de Python ou des plateformes d'analyse
Public visé
- Professionnels de la gestion des risques de fraude
- Équipes de conformité AML
- Responsables de la sécurité
14 Heures
Nos clients témoignent (1)
J'ai déjà quelques rapports dont je me souviens, et j'utiliserai certains des invites examinées aujourd'hui.
Kelly Cotham
Formation - Copilot for Finance and Accounting Professionals
Traduction automatique